代价与样本相关的简约核支持向量机

摘要：

针对机器学习领域中误分类代价与样本相关的情况.提出一种以最小化总代价为目标的样本相关代价敏感的简约核支持向量机sd2sSVM.首先,在GSVM框架下,将优化目标转换为无约束数学规划问题,再引入分段多项式平滑函数逼近正号函数,使用Newton-YUAN方法求无约束问题的唯一最优解,最后引入简约核提高解非线性问题的效率.实验结果表明,与传统的样本相关代价敏感支持向量机相比,sd2sSVM的分类精度、误分类代价相当,但训练时间、预测时间则更短.另外,讨论了参数C对sd2sSVM分类性能的影响.

关键词：代价敏感、简约核、无约束、支持向量机、分类

所属期刊栏目：28

分类号：TP18(自动化基础理论)

资助基金：长沙学院科研基金资助项目CDJJ-07010110

在线出版日期：2009-01-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：2863-2866,2880