-
题名基于不等距超平面距离的模糊支持向量机
被引量:6
- 1
-
-
作者
李村合
姜宇
李帅
-
机构
中国石油大学计算机科学与技术学院
-
出处
《计算机系统应用》
2020年第10期185-191,共7页
-
基金
山东省自然科学基金(ZR2014FQ018)
-
文摘
随着大数据和人工智能时代的到来,支持向量机已在许多方面成功应用,并成为解决分类问题的常用方法之一.但现实中的许多数据都是不平衡的,令其分类性能大幅降低.本文提出了用不等距超平面距离改进原始的标准模糊支持向量机,向模型中加入参数λ控制分类面与样本之间的距离,并通过计算样本距离得到模糊隶属度函数,可以改善样本分布不均和噪声数据令分类准确度下降问题.利用实验验证本文算法的有效性,结果说明本文提出的算法能够有效提高不平衡数据的分类效果.
-
关键词
支持向量机
不平衡数据
不等距超平面距离
隶属度函数
-
Keywords
Support Vector Machine(SVM)
imbalanced data
inequality hyper-plane distance
membership function
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名一种新的支持向量分类算法ACNN-SVM
被引量:2
- 2
-
-
作者
业巧林
业宁
张训华
武波
宋爱美
-
机构
南京林业大学信息技术学院
山东科技大学信息科学与工程学院
-
出处
《郑州大学学报(理学版)》
CAS
2008年第3期56-58,共3页
-
基金
国家自然科学基金资助项目
编号30671639
+1 种基金
江苏省自然科学基金资助项目
编号BK2005134
-
文摘
针对NN-SVM算法的不足,提出了一种新的支持向量分类算法——ACNN-SVM.先对训练样本集进行最近邻修剪,用SVM训练得到一个SVM模型,然后,计算最近邻修剪后的训练样本集中样本到超平面的距离,如果距离差大于给定的阈值则将其从最近邻修剪后的训练样本集中删除,最后对再修剪后的样本集用SVM训练得到一个最终的SVM模型.实验表明,ACNN-SVM算法的效果优于NN-SVM算法.
-
关键词
NN-SVM算法
ACNN-SVM算法
超平面距离
阈值
-
Keywords
NN-SVM algorithm
ACNN-SVM algorithm
distance of the super plane
threshold
-
分类号
TP391.8
[自动化与计算机技术—计算机应用技术]
-
-
题名自适应的SVM增量算法
被引量:6
- 3
-
-
作者
何丽
韩克平
刘颖
-
机构
天津财经大学理工学院
-
出处
《计算机科学与探索》
CSCD
北大核心
2019年第4期647-656,共10页
-
基金
国家自然科学基金(Nos.61502331
1162600458)
+2 种基金
天津市自然科学基金(Nos.15JCYBJC16000
16JCYBJC42000)
天津市科技发展战略研究计划(No.18ZLZXZF00550)~~
-
文摘
支持向量机(support vector machine,SVM)算法因其在小样本训练集上的优势和较好的鲁棒性,被广泛应用于处理分类问题。但是对于增量数据和大规模数据,传统的SVM分类算法不能满足需求,增量学习是解决这些问题的有效方法之一。基于数据分布的结构化描述,提出了一种自适应SVM增量学习算法。该算法根据原样本和新增样本与当前分类超平面之间的几何距离,建立了自适应的增量样本选择模型,该模型能够有效地筛选出参与增量训练的边界样本。为了平衡增量学习的速度和性能,模型分别为新增样本和原模型样本设置了基于空间分布相似性的调整系数。实验结果表明,该算法在加快分类速度的同时提高了模型性能。
-
关键词
支持向量机(SVM)
增量学习
数据分布
超平面距离
-
Keywords
support vector machine(SVM)
incremental learning
data distribution
hyperplane-distance
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-