一种基于嵌套式集成深度支持向量机的小样本多分类方法

摘要

本发明公开了一种基于嵌套式集成深度支持向量机的小样本多分类方法。它采用两层集成分类技术，对小样本情况下的多类别分类任务进行分析；对于内部层，将三个不同的单核函数（径向基核函数、Sigmod核函数、多项式核函数）分别赋予给子分类器深度支持向量机（Deep Support Vector Machine,DSVM），并通过集成分类构建基分类器；对于外部层，将使用“一对其余”策略将多类别分类问题转换为多个二分类问题。最后，将利用AdaBoost框架来完成多分类任务。该方法可以有效地避免小样本情况下的“过拟合”现象，从而提高了小样本情况下穿墙人体目标识别的准确率。