基于一致性预测支持向量机的多分类算法

针对一致性预测支持向量机的多分类问题,提出了两种多分类算法,分别是基于一致性预测一对多支持向量机算法(One-Vs-Rest Support Vector Machine Algorithm Via Conformal Predictors,OVR SVM CP)和基于一致性预测一对一支持向量机算法(One-Vs-One Support Vector Machine Algorithm Via Conformal Predictors,OVO SVM CP).首先,将多分类问题转化为二分类问题,利用决策函数定义奇异值函数.然后,对这两种算法进行数值模拟实验,并与OVO SVM、OVO LSSVM、OVO TWSVM、HSVM算法相比较.最后,将两种算法应用于6组真实数据集测试其分类预测效果.仿真实验和真实数据应用结果表明,提出的两种算法预测效果较好,相比于其他3种的支持向量机算法有更高的预测准确率.