基于特征加权的多核支持向量机.pdf

第22卷 第 2期 西 安 邮 电 大 学 学 报 V0L22 N 2 2017年 3月 JOURNALOFXI’AN UNIVERSITY OFPOSTSAND TELECOMMUNICATIONS Mar．2017 doi：10．13682／j．issn．2095—6533．2017．02．016 基于特征加权的多核支持向量机 邵 朝，李 强 (西安邮电大学 通信与信息工程学院，陕西 西安 710121) 摘 要：提出一种改进的多核支持向量机算法 。利用特征向量的信息熵 ，计算出特征向量关于分类标签 的信 息增益 ，用该信息增益作为数据集特征 向量 的权重 系数 ，然后结合多核支持 向量机 的核学习能力，对特征 向 量非均等区别对待，使得分类更加准确。对 比实验结果表明，与支持向量机、多核支持向量机相 比，改进算法 分类正确率得 以提升 。 关键词 ：特征加权 ；多核 ；支持向量机 中图分类号 ：TP181 文献标识码 ：A 文章编号 ：2095—6533(2017)02—0084-05 A multi--coresupportvectormachinebasedon featureweighted SHAOChao， LIQiang (SchoolofCorrrnunicationandIr~ormafionEngineering，Xi’allUniversity0fPostsandTelecorlrnunications，Xi’an710121，China) Abstract：Animprovedmultikernelsupportvectormachinealgorithm isproposedinthispaper．Based ontheinformationentropyfeaturevector，theinformationgainfeaturevectorontheclassificationlabelis calculated．Usingtheinformationgainastheweightcoefficientdatasetoffeaturevectorsand then combinedwiththemultikernelsupportvectormachinekernellearningability，thefeaturevectorofnon equaldistinction isobtained tomake the classmoreaccurate． Experimentalresults show thatthe classificationaccuracyoftheimprovedalgorithm isimprovedcomparedwiththesupportvectormachine (SVM )andthemultikernelsupportvectormachine(SVM)． Keywords：featureweight，multicore，supportvectormachine 支 持 向 量 机 (support vector machine， 补 SVM 的不足 ，利用不 同的核 函数具有 的核映射 SVM)_1]能在小样本情况下，克服传统机器 学习分 能力 ，根据实际分类 问题的需求选择合适的核 函数 类算法带来的维数灾难和陷入局部最优解 的问题， 达到较好的分类效果[8]。 并且获得不错的分类效果嘲 ，已应用到了金融 、模 为了避免支持 向量机 的核 函数被一些不相关 式识别嘲、通信 、语音识别 等领域。 或者弱相关 的特征 向量支配 ，导致分类器性能下 由于数据集 的多源性和异构性 ，单核的支持 向 降，需要对数据集进行特征加权 (fe