论文部分内容阅读
多类分类是机器学习领域中的重要问题．目前普遍采用的多类分类方法：“oneversus all”（OvA）直接利用“标准”的两类分类器重复构造两类分类器，导致计算复杂度较高、分类效率降低．基于支持向量机的多类分类器尽管无需重复构造两类分类器，但由于它对应于版本空间（version space）内最大超球的中心，所以当版本空间为非对称或比较狭长时，它的泛化能力显著降低．而基于版本空间解析中心的多类分类算法M—ACM克服了上述问题．从理论上分析了该分类器的泛化性能，给出了它的泛化误差上界，并进行了实验验证．