一种新的模糊补偿多类支持向量机

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.

关键词：模糊补偿、多类分类、支持向量机、信用评估

所属期刊栏目：33

分类号：TP3(计算技术、计算机技术)

资助基金：国家自然科学基金6033372071;辽宁省教育厅资助项目2004C031

在线出版日期：2007-01-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：152-155