摘  要： 支持向量機(SVM)是一種兩類分類算法，如何將SVM算法應(yīng)用于多類分類問題，目前已衍生出多種方法。其中“二叉樹”方法應(yīng)用比較廣泛，但分類支持向量機在樹中中間節(jié)點位置的不同，直接關(guān)系到該方法的分類準(zhǔn)確性?；诙鏄浞椒ㄌ岢隽?ldquo;類間相異度”的策略，根據(jù)類間相異程度來決定多類的分類順序。
關(guān)鍵詞： 支持向量機；二叉樹；超球體；相異度

    支持向量機SVM(Support Vector Machine)[1]是一種基于統(tǒng)計學(xué)的VC維理論[2]和結(jié)構(gòu)風(fēng)險最小化原理基礎(chǔ)之上的兩類分類算法。目前，該算法已廣泛應(yīng)用于諸多領(lǐng)域，如人臉檢驗、文字/手寫體識別、圖像處理[3]等。支持向量機屬于一種機器學(xué)習(xí)算法，核函數(shù)則是其中的核心部分。對于難以分類的低維空間向量集，通常的做法是向高維空間集轉(zhuǎn)化，但這也增加了計算的復(fù)雜度，即維數(shù)災(zāi)難[4]問題。而核函數(shù)[4]卻可以很好地解決這個問題，只要選取合適的核函數(shù)，即可得到高維空間的向量機（也稱超平面[2]）。
    當(dāng)使用向量機進(jìn)行多類分類時，需要將多類問題轉(zhuǎn)化為兩類問題。常用的有“一對多”(One Versus Rest)[5]、“一對一”(One Versus One)[6]、“二叉樹”(Binary Tree)[7]和“有向無環(huán)圖”(Directed Acyclic Graph)[8]等方法，本文將對多類分類支持向量機[9]的這些方法作概略介紹和比較，同時對基于偏二叉樹多類分類向量機提出一些改進(jìn)意見。
1 SVM多類分類方法
1.1 SVM多類分類方法介紹
    現(xiàn)有一個多類分類問題，其中類別數(shù)為k。當(dāng)使用支持向量機對此問題進(jìn)行分類時，需假設(shè)一類為正樣本，另一類為負(fù)樣本。
    “一對多”方法將類i樣本作為正樣本，而除該類以外的所有類作為負(fù)樣本，在這兩類樣本間訓(xùn)練出向量機，該方法總共構(gòu)造了k個分類支持向量機。在對某向量進(jìn)行測試時，取計算出最大值的向量機所對應(yīng)的類別作為該向量的類別。
    “一對一”方法是從分類問題中選取類別i和類別j中的樣本數(shù)據(jù)訓(xùn)練兩類間的分類向量機，這樣構(gòu)造出的向量機的總數(shù)為k(k-1)/2。雖然“一對一”分類方法產(chǎn)生的分類向量機的數(shù)目是“一對多”方法的(k-1)/2倍，但“一對一”方法的訓(xùn)練規(guī)模要比“一對多”方法小很多。對向量的測試采取計分的方式，通過k(k-1)/2個分類機的計算以后，選取得分最高的類別作為該測試數(shù)據(jù)的類別。
    二叉樹方法是將兩類之間的k-1個向量機作為中間節(jié)點，葉子節(jié)點對應(yīng)k個類別樣本，以這樣的方式構(gòu)建一棵分類二叉樹，常用的方式包括滿二叉樹和偏二叉樹。在對樣本進(jìn)行訓(xùn)練時，根節(jié)點的向量機在全部樣本空間上進(jìn)行訓(xùn)練，而子節(jié)點向量機則在根節(jié)點的負(fù)樣本類或正樣本類上訓(xùn)練，依次類推，直至k-1個分類機在k-1類和k類樣本上進(jìn)行訓(xùn)練。
    有向無環(huán)圖方法與“一對一”方法一樣，也是在任意兩類之間訓(xùn)練分類向量機，也即具有相同的分類向量機數(shù)目。k(k-1)/2個分類向量機作為圖的中間節(jié)點，圖中葉子節(jié)點為k類樣本。但在測試向量數(shù)據(jù)所屬類別時，僅需經(jīng)過k-1個分類向量機節(jié)點即可判斷測試數(shù)據(jù)的類別。
1.2 基于二叉樹的SVM多類分類方法
    在SVM多類分類算法中，分類樹是一種應(yīng)用十分廣泛的多類分類策略。但分類向量機在樹中所處的節(jié)點位置，直接影響到分類的準(zhǔn)確性和推廣的性能。不同的二叉樹結(jié)構(gòu)，會使得測試數(shù)據(jù)得到不同的分類結(jié)果。隨著節(jié)點分類層次的深入，可能會產(chǎn)生分類“誤差累積”的現(xiàn)象[10]。因此，生成合適的二叉樹結(jié)構(gòu)顯得異常重要。
    生成多類分類二叉樹通常包括兩種思路：第一種是依據(jù)類中樣本點的分布情況，優(yōu)先分出分布區(qū)域較大的類；第二種是依據(jù)類間距離作出判斷，優(yōu)先分出離其他類較遠(yuǎn)的類。而衡量類分布情況的一個有效方法是計算各個類的超球體的體積，體積越大，類的分布區(qū)域也就越大。類的超球體體積定義如下：
    
    本文對于構(gòu)造偏二叉樹提出了類間相異度的方法，有效解決了上述問題。
2 改進(jìn)的偏二叉樹SVM多類分類方法
    本文從類在空間中的分布情況和類間距離這兩方面著手，優(yōu)化分類偏二叉樹的結(jié)構(gòu)。對于類的分布情況采用參考文獻(xiàn)[11]所提出的超球體的體積來度量，而類間距離采用超球體重心間的歐氏距離來度量，關(guān)于歐氏距離的概念見定義2。為綜合考慮以上這兩個方面，本文引入了類間相異度的概念，具體內(nèi)容見定義3。
    

    輸入：包含n個樣本對象（含分類號）的數(shù)據(jù)集D。
    輸出：包含K個元素的優(yōu)先分類序列S。
    算法：
    (1)計算每個類的最小超球體的重心和半徑；
    (2)repeat；
    (3)根據(jù)定義3計算每個類相對D中其他剩余類的相異度之和；
    (4)選擇步驟(3)中相異度最大的類i，把類標(biāo)號i添加到S中，刪除D中類標(biāo)號為i的元素；
    (5)until D中只剩兩個類的元素；
    (6)把剩余的兩個類的類標(biāo)號添加到序列S中。
    算法在步驟(5)返回步驟(3)循環(huán)執(zhí)行，當(dāng)數(shù)據(jù)集中僅包含兩類樣本時算法結(jié)束。
    以生成分類偏二叉樹的根節(jié)點和左右孩子為例，取出分類序列S中第一個元素的類標(biāo)號，將該類和其他類間訓(xùn)練出的向量機作為根節(jié)點，該類作為左孩子，然后再從分類序列S中取出第二個元素的類標(biāo)號，將該類和其他類間訓(xùn)練出的向量機作為右孩子。以同樣的方式生成剩余的中間節(jié)點和葉子節(jié)點，最終構(gòu)建出的多類分類偏二叉樹如圖2所示。

3 實驗分析
    本文所有算法均使用C++語言實現(xiàn)，并使用VC6.0完成編譯。實驗平臺：Pentium?誖Dual-Core CPU 2.80 GHz、2 GB內(nèi)存、Windows XP 操作系統(tǒng)。所有實驗數(shù)據(jù)均來自UCI數(shù)據(jù)庫中的多類別數(shù)據(jù)集vehicle和letter，具體樣本數(shù)量和維數(shù)如表1所示。

    由于取不同的核參數(shù)λ和懲罰系數(shù)C[12]對模型的推廣有很大的影響，為了能更好地比較出依據(jù)不同的策略生成的偏二叉樹的推廣性能，本實驗與參考文獻(xiàn)[12]類似，對相同數(shù)據(jù)集的每一種策略均采用多種(C，λ)參數(shù)進(jìn)行實驗，其中C的取值為2、4、8、16、32、64，λ的取值為2、4、8、16，這樣總共有6×4=24種組合，每個實驗的KTT停止條件的容許誤差為0.001。取出最高的預(yù)測準(zhǔn)確率所對應(yīng)的(C，λ)參數(shù)及其準(zhǔn)確率進(jìn)行比較。
    從實驗數(shù)據(jù)的分析中可以看出，對于數(shù)據(jù)集vehicle，當(dāng)訓(xùn)練樣本的數(shù)量為600時，在預(yù)測準(zhǔn)確率方面，使用本文提出的方法與其他方法相比，并沒有明顯的提高。而對于數(shù)據(jù)集letter，由于比vehicle數(shù)據(jù)集在訓(xùn)練時多出300個樣本，本文提出的方法在準(zhǔn)確率方面有了明顯的優(yōu)勢。總體來講，本文提出的根據(jù)類間相異度的策略生成的偏二叉樹要比單獨根據(jù)類間距離或單獨根據(jù)類樣本的分布情況生成的偏二叉樹，在準(zhǔn)確率方面有一定的改善。
    基于二叉樹多類分類方法是SVM算法在多類分類問題中的一個重要應(yīng)用，但支持向量機節(jié)點在二叉樹中所處位置的不同對分類的準(zhǔn)確性有較大影響。本文首先分析和比較了由SVM算法所產(chǎn)生的多類分類方法，然后提出了一種依據(jù)類間相異度的策略來生成基于偏二叉樹的多類分類支持向量機。實驗結(jié)果表明，改進(jìn)的算法在準(zhǔn)確性方面有很大的提高。
參考文獻(xiàn)
[1] VAPNIK V N.Statistical learning theory[M].New York：John Wiley and Sons，l998.
[2] 瓦普尼克.統(tǒng)計學(xué)習(xí)理論的本質(zhì)[M].張學(xué)工，譯.北京：清華大學(xué)出版社，2000.
[3] 葉磊，駱興國.支持向量機應(yīng)用概述[J].電腦知識與技術(shù)，2010，6(34)：153-154.
[4] 顧亞祥，丁世飛.支持向量機研究進(jìn)展[J].計算機科學(xué)，2011，38(1)：14-17.
[5] BOTTOU L，CORTES C，DENKER J.Comparision of classifier methods：a case study in handwriting digit recognitiong[C].Proceedings of International Conference on Pattern Recognition，1994：77-87.
[6] KRELEL U.Pairwise classification and support vector  machines[M].Cambridge，MA：MIT Press，1999：255-268.
[7] 劉健，劉忠，熊鷹.改進(jìn)的二叉樹支持向量機多類分類算法研究[J].計算機工程與應(yīng)用，2010，46(33)：117-120.
[8] PLATT J C，CRISTIANINI N，SHAWE-TAYLOR J.Large margin DAGs for multiclass classification[C].Advances in Neural Information Processing Systems，Cambridge，MA：MIT  Press，2000：547-553.
[9] HSU C W，LIN C J.A comparsion of method for multiclass support vector machine[J]. IEEE Transaction on Neural Networks，2002，13(2)：415-425.
[10] 孟媛媛，劉希玉.一種新的基于二叉樹的SVM多類分類方法[J].計算機應(yīng)用，2005，25(11)：195-196，199.
[11] 唐發(fā)明，王仲東，陳錦云.支持向量機多類分類算法研究[J].控制與決策，2005，20(7)：746-749.
[12] 單玉剛，王宏，董爽.改進(jìn)的一對一支持向量機多分類算法[J].計算機工程與設(shè)計，2012，33(5)：165-169.