用于多分类问题的最小二乘支持向量分类—回归机

被引:2
作者
翟嘉
胡毅庆
徐尔
机构
[1] 北京科技大学数理学院
关键词
多分类问题; 三分类问题; 最小二乘支持向量机; 分类-回归机; 一对一对多方法;
D O I
暂无
中图分类号
TP18 [人工智能理论];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ;
摘要
基于支持向量机(SVM)的三分类方法是处理多分类问题的一类方法。提出了最小二乘支持向量分类回归机(LSSVCR)算法,通过最小二乘目标函数充分考虑所有样本点对分类的影响,使得训练集中即使有个别样本点被标错类别,对分类结果也不会产生太大的影响,从而提高分类的准确性。该方法能够提高分类的准确率和分类速度,同时算法对于不同类别间样本数目差异较大的情况也有很好的分类效果。数值实验结果表明所提算法是可行的,且与已有的三分类算法相比在分类准确性上平均提高了2.57%,在运算速度上也有了较大的提高。
引用
收藏
页码:1894 / 1897+1911 +1911
页数:5
相关论文
共 14 条
[1]  
A total multi-class support vector machine. XU Y T,WU C. Journal of Information and Computational Science . 2011
[2]   Multi-classification by using tri-class SVM [J].
Angulo, C ;
Ruiz, FJ ;
González, L ;
Ortega, JA .
NEURAL PROCESSING LETTERS, 2006, 23 (01) :89-101
[3]  
支持向量机[M]. 科学出版社 , 邓乃扬, 2009
[4]   支持向量机多类分类算法研究 [J].
唐发明 ;
王仲东 ;
陈绵云 ;
不详 .
控制与决策 , 2005, (07) :746-749+754
[5]   支持向量机多类分类算法新研究 [J].
余辉 ;
赵晖 .
计算机工程与应用 , 2008, (07) :185-189+212
[6]   Least squares support vector machine classifiers [J].
Suykens, JAK ;
Vandewalle, J .
NEURAL PROCESSING LETTERS, 1999, 9 (03) :293-300
[7]   SUPPORT-VECTOR NETWORKS [J].
CORTES, C ;
VAPNIK, V .
MACHINE LEARNING, 1995, 20 (03) :273-297
[8]  
UCI repository of machine learn-ing databases. BLAKE C L,MERZ C T. http://www.ics.uci.edu/-mlearn/MLRepository.html . 2012
[9]  
Classification by PairwiseCoupling. Hastie T,Tibshirani R. The Annals of Statistics . 1998
[10]  
The Nature of Statistical Learning Theory. Vapnik V. Springer-Verlag . 1995