代价与样本相关的简约核支持向量机

代价与样本相关的简约核支持向量机
何海江
【期刊名称】《计算机应用》
【年(卷),期】2008(28)11
【摘要】针对机器学习领域中误分类代价与样本相关的情况.提出一种以最小化总代价为目标的样本相关代价敏感的简约核支持向量机sd2sSVM.首先,在GSVM框架下,将优化目标转换为无约束数学规划问题,再引入分段多项式平滑函数逼近正号函数,使用Newton-YUAN方法求无约束问题的唯一最优解,最后引入简约核提高解非线性问题的效率.实验结果表明,与传统的样本相关代价敏感支持向量机相比,sd2sSVM的分类精度、误分类代价相当,但训练时间、预测时间则更短.另外,讨论了参数C对sd2sSVM分类性能的影响.
【总页数】5页(P2863-2866,2880)
【作者】何海江
【作者单位】长沙学院,计算机教学中心,长沙,410003
【正文语种】中文
【中图分类】TP18
【相关文献】
1.基于代价敏感组合核相关向量机的电力变压器故障诊断 [J], 高国强;杨飞豹;尹豪杰;宋臻杰;高波
2.支持向量机的一种改进的样本简约方法 [J], 吴武杰
3.基于核典型相关分析和支持向量机的语音情感识别模型 [J], 张前进;王华东
4.基于支持向量机的机器学习IDS攻击样本的逼近代价分析 [J], 党军朋;陈运忠;李邦源
5.一种基于样本加权的多尺度核支持向量机方法 [J], 沈健;蒋芸;张亚男;胡学伟因版权原因，仅展示原文概要，查看原文内容请购买。