Multiclass Learning at One-class Complexity
Multiclass Learning at One-class Complexity
复制标题
DOI：
--
复制
发表时间：
2005
期刊：
影响因子：
--
通讯作者：
S. Szedmák;J. Shawe-Taylor
中科院分区：
文献类型：
--
作者：
S. Szedmák;J. Shawe-Taylor
本文证明了多类分类问题可以在最大间隔框架下以一个二进制支持向量机的复杂度实现。我们表明，降低复杂度不会降低性能，但在某些情况下，这种方法可以提高分类精度。多类分类是在输出标签为向量值的框架下实现的。
We show in this paper the multiclass classification problem can be implemented in the maximum margin framework with the complexity of one binary Support Vector Machine. We show reducing the complexity does not involve diminishing performance but in some cases this approach can improve the classification accuracy. The multiclass classification is realized in the framework where the output labels are vector valued.