一种新的模糊补偿多类支持向量机

被引：6

作者：

张永 ^{[1
]}

迟忠先 ^{[2
]}

闫德勤 ^{[1
]}

机构：

[1] 辽宁师范大学计算机系

[2] 大连理工大学计算机科学与工程系

来源：

计算机科学 | 2006年 / 12期

关键词：

模糊补偿; 多类分类; 支持向量机; 信用评估;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

摘要：

支持向量机是Vapnik等学者在统计学习理论的基础上提出的一种新的机器学习方法。针对支持向量机理论中的多类分类问题和对于噪音数据的敏感性,本文提出了一种模糊补偿多类支持向量机算法FC-SVM。该算法是在Weston等人提出的多类SVM分类器的直接构造方法中引入模糊补偿函数,针对每个输入数据对分类结果的两方面影响,将目标函数中的惩罚项不仅进行了模糊化,而且对于分类情况进行了加权补偿,并重构了优化问题及其约束条件,然后重构了Lagrange公式,给出了理论推导。在充分的数值实验基础上,将文中提出的方法应用于建设银行个人房贷的信用评估系统中,得到了较好的实验结果。

引用

页码：152 / 155

页数：4

共 4 条

[1] Least squares support vector machine classifiers
Suykens, JAK
Vandewalle, J
[J]. NEURAL PROCESSING LETTERS, 1999, 9 (03) : 293 - 300
[2] A tutorial on Support Vector Machines for pattern recognition
Burges, CJC
[J]. DATA MINING AND KNOWLEDGE DISCOVERY, 1998, 2 (02) : 121 - 167
[3] Advances in Sup-port Vector Machines .2 XUJian-hua,ZHANG Xue-gong,LI Yan-da. Control and Decision . 2004
[4] Large margin DAGs for multiclass classification .2 Platt J C,Cristianini N,Shawe-Taylor J. Advances in Neural Information Processing Systems . 2000

← 1 →