论文部分内容阅读
设计了SVM置信度在线评估方案，以此确定SVM做多分类时结果的风险程度，对高风险决策结果进行修正。置信度评估采用理论估计和经验估计相结合的方式。多分类决策结果的修正由在线生成的局部分类器完成。局部分类器在待查询数据的邻域内工作，此邻域基于一个局部测度而生成。实验表明，所设计的算法呈现了较好的分类能力，提高了传统同类方法的分类准确率。