ε不敏感损失函数支持向量机分类性能研究.pdf

第41卷第11期 西安交通大学学报 V01．41№11 OFXI’AN UNIVERSITYNor．2007 2007年11月 JOURNALJIAOTONG s不敏感损失函数支持向量机分类性能研究 杨俊燕，张优云，朱永生 (西安交通大学现代设计和转子轴承系统教育部重点实验室，710049，西安) 摘要：将原先用于支持向量回归的e不敏感损失函数引入到支持向量分类中，提出s不敏感损失 函数支持向量分类算法(e—SVC)．同标准支持向量分类方法(C-sVC)和最小二乘支持向量分类方 法(胯SVC)相比较，试验结果表明：当赋予参数e一个足够大的接近于1的值时，PSVC的分类正 s、^c_特别是对于大规模数据集，这种优势将更加明显．另外，通过精确选择参数e的值，e-SVC能 够获得比C-SVC和LS_SVC更高的分类正确率，但是训练、测试和参数选择的速度却随着e的减 小而降低． 关键词：a不敏感损失函数；支持向量分类；模式分类；支持向量回归 中图分类号：TPl83文献标识码：A文章编号：0253—987X(2007)11。1315-06 ClassificationPerformanceof VectorMachinewith Support 6-InsensitiveLossFunction Youyun，Zhu YangJunyan，Zhang Yongsheng 0f ICzxiern 710049．o蛐 (KeyLaboratoryE3ucation～fn-Asto／forn嘶nand＆研＆ariT蟮System，Xi’抓JhotongUniv酬ty．Ⅺ7越l e-insensitivelossfunction in vector isintro— Abstract：The generallyemployedsupportregression the vector withe-insensitive ducedinto vectorclassification，and classification support support withthe loss standard vectorclassification function(e-SVC)isproposed．Compared support theleast vectorclassificationmethod(LS_SVC)，the method(C-SVC)andsquare experi— support mentalresultindicatesthattheclassificationratioofe．SVCis lowerthanthatof accuracy slightly C-SVCandLS-SVC to1，butthe and when￡sufficientlyapproaches training，testingparameter ratesof￡一SVCa