基于超球和ASSRFOA的多生支持向量机
支持向量机(support vector machine,SVM)是一种基于结构风险最小化的机器学习方法,能够有效解决分类问题.但随着研究问题的复杂化,现实的分类问题往往是多分类问题,而SVM仅能用于处理二分类任务.针对这个问题,一对多策略的多生支持向量机(multiple birth support vector machine,MBSVM)能够以较低的复杂度实现多分类,但缺点在于分类精度较低.本文对MBSVM进行改进,提出了一种新的SVM多分类算法:基于超球(hypersphere)和自适应缩小步长果蝇优化算法(fruit fly optimization algorithm with adaptive step size reduction,ASSRFOA)的MBSVM,简称HA-MBSVM.通过拟合超球得到的信息,先进行类别划分再构建分类器,并引入约束距离调节因子来适当提高分类器的差异性,同时采用ASSRFOA求解二次规划问题,HA-MBSVM可以更好地解决多分类问题.我们采用6个数据集评估HA-MBSVM的性能,实验结果表明HA-MBSVM的整体性能优于各对比算法.
超球、多生支持向量机、多分类、自适应缩小步长、果蝇优化算法
32
TP391.41;TP181;TN912.3
国家自然科学基金;国家科技基础资源调查专项;中国博士后科学基金;中央高校基本业务费;中央高校基本业务费;四川省自然科学基金;四川省自然科学基金;四川省重点研发计划;四川省重点研发计划
2023-09-25(万方平台首次上网日期,不代表论文的发表时间)
共10页
43-52