计算机科学 ›› 2006, Vol. 33 ›› Issue (12): 152-155.

• 计算机网络与信息安全 • 上一篇    下一篇

一种新的模糊补偿多类支持向量机

  

  • 出版日期:2018-11-17 发布日期:2018-11-17
  • 基金资助:
    国家自然科学基金(6033372071)、辽宁省教育厅基金(2004C031).

  • Online:2018-11-17 Published:2018-11-17

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

关键词: 模糊补偿 多类分类 支持向量机 信用评估

Abstract: Support vector machine (SVM), proposed by Vapnik based on statistical learning theory (SLT), is a novel machine learning method which has been applied to many application fields successfully. But there are two kinds of problems to be solved in such field,

Key words: Fuzzy compensation, Multi-class classification, Support vector machine, Credit evaluation

No related articles found!
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!