基于数据分布特征的线性孪生支持向量机
孪生支持向量机(TWSVM)目前已在众多领域取得了成功的应用,但标准TWSVM模型在处理具有分布特征的数据分类问题时鲁棒性差,尤其当数据的不确定性程度较大时,不考虑样本点分布特征的标准分类模型已不能满足分类准确率的要求.为此,文中提出了基于数据分布特征的加权线性孪生支持向量机(TWSVM-U)模型,它在TWSVM的基础上考虑数据的分布特征对分类超平面位置的影响,根据数据在分类超平面法方向的分散程度定量构造距离权重.事实上,TWSVM-U是TWSVM的推广,当训练样本数据不具有分布特征时,TWSVM-U模型将退化为标准TWSVM模型.十折交叉验证的实验结果表明,TWSVM-U模型在处理波动范围较大的不确定性数据分类问题时比SVM和TWSVM表现更优.
二分类、孪生支持向量机、不确定信息、加权距离
46
TP301(计算技术、计算机技术)
NSFC61773324;教育部人文社科项目18XJC72040001;中央高校基本科研业务费专项资金2682016CX114,2682018CX25
2019-07-08(万方平台首次上网日期,不代表论文的发表时间)
共5页
407-411