基于MEB和SVM方法的新类别分类研究

摘要：

有1份仅含A类与B类的训练集,与1份包含不止这2个类别的测试集,如何对测试集中的样本进行分类?针对这个问题,本文提出3种基于SVM方法和最小包围球方法(minimum enclosing ball,MEB)的新类别分类方法.这3种新类别分类方法不仅解决了SVM不能正确判别新类别的缺点,而且在实际数据分析中获得了较好的效果.本文使用乳腺癌分子分型数据进行分析,最终样本分类准确率可达90％以上,新类别样本分类正确率可达99％以上.

关键词：机器学习;多分类问题;支持向量机;MEB;SVDD

所属期刊栏目：40

分类号：R737.9;TP18(肿瘤学)

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金;广东省自然科学基金

在线出版日期：2022-02-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：57-67