以多類支持向量機為基礎的小樣本信息融合策略

摘要：通過將多類支持向量機作為分類器，運用Dempstor-Shafer理論等信息融合方法對分類結果進行融合，實現對小樣本的分類。主要采用對多類支持向量機的分類結果進行求和后取最大值、Dempster-Shafer理論以及使用Dempster-shafer理論后第二次使用支持向量機三種方式進行融合。由于支持向量機本身是適用于小樣本的機器學習算法，Dempster-shafer理論又可以較好地處理不確定性，兩者的結合可以較好地處理小樣本分類問題，并提高最終的分類精度。實驗結果表明，提出的幾種融合策略確實可以在小樣本情況下得到較好的分類結果。

關鍵詞：多類支持向量機；Dempster-shafer理論；小樣本；信息融合

中圖分類號：TP181 文獻標志碼：A 文章編號：1001－3695(2009)12－4488－03