投票法
-
用adaboost法生成基支持向量机分类器
用adaboost法生成基支持向量机分类器，并对识别结果进行简单投票法集成。附有支持向量机工具箱和adaboost算法流程说明。 -
-
基于SVM的一对一策略多类别投票分类系统
本项目利用MATLAB平台开发一套基于支持向量机（SVM）的高效多类别分类系统，核心算法采用“一对一”（One-vs-One）策略。针对具有k个类别的多分类问题，该系统通过排列组合方式构建k(k-1)/2个二分类器，每个分类器专门训练用于区分两个特定的类别（例如类别A与类别B），在训练阶段仅使用这两个类别的样本，从而有效解决了传统“一对多”方法中常见的样本比例偏斜不平衡问题，并显著降低了单次训练的时间复杂度。在预测分类阶段，项目实现了一套完善的投票决策机制（Voting Mechanism），将待测样本输入至所有已训练的二分类器中，每个分类器根据其决策边界进行判别并投出一票，最终系统汇总所有票数，将得票最多的类别判定为样本的最终归属。该方法不仅能有效处理分类空间重叠现象，还能通过强制投票机制消除不可分类区域，确保每个样本都有明确的分类结果。项目内容涵盖数据预处理、多分类器构建、投票逻辑实现以及分类性能评估（包括准确率统计和结果可视化）。
