- 1、本文档共5页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
有向无环图-双支持向量机的多类分类方法-计算机应用与软件
第32卷第11期 计算机应用与软件 Vol32No.11
2015年11月 ComputerApplicationsandSoftware Nov.2015
有向无环图双支持向量机的多类分类方法
1,2 1,2 1,2 3 1,2
牛 顾宏斌 孙 瑾 周 来 周 扬
1(南京航空航天大学民航学院 江苏南京211106)
2(南京航空航天大学飞行模拟与先进培训工程技术研究中心 江苏南京211106)
3(上海航天设计研究院上海机电工程研究所 上海201109)
摘 要 针对多分类支持向量机算法中的低效问题和样本不平衡问题,提出一种有向无环图双支持向量机DAGTWSVM(direct
edacyclicgraphandtwinsupportvectormachine)的多分类方法。该算法综合了双支持向量机和有向无环图支持向量机的优势,使其
不仅能够得到较好的分类精度,同时还能够大大缩减训练时间。在处理较大规模数据集多分类问题时,其时间优势更为突出。采用
UCI(UniversityofCaliforniaIrvine)机器学习数据库和Statlog数据库对该算法进行验证,实验结果表明,有向无环图双支持向量机多
分类方法在训练时间上较其他多分类支持向量机大大缩短,且在样本不平衡时的分类性能要优于其他多分类支持向量机,同时解决
了经典支持向量机一对一多分类算法可能存在的不可分区域问题。
关键词 机器学习 有向无环图 双支持向量机 多类分类
中图分类号 TP391.4 文献标识码 A DOI:10.3969/j.issn.1000386x.2015.11.039
ADIRECTEDACYCLICGRAPHANDTWINSUPPORTVECTORMACHINE
ALGORITHMFORMULTICLASSCLASSIFICATION
1,2 1,2 1,2 3 1,2
NiuBen GuHongbin SunJin ZhouLai ZhouYang
1(CollegeofCivilAviation,NanjingUniversityofAeronauticsandAstronautics,Nanjing211106,Jiangsu,China)
2(EngineeringTechnologyResearchCenterofFlightSimulationandAdvancedTraining,NanjingUniversityofAeronautics
andAstronautics,Nanjing211106,Jiangsu,China)
3(ShanghaiInstituteofMechanicalandElectrical,ShanghaiAcademyofSpaceflightTechnology,Shanghai201109,China)
Abstract Inordertodealwiththeinefficientandsampleunbalanceproblemsinmulticlassificationsupportvectormachinealgorithm,we
proposedamulticlassificationmethodwithdirectedacyclicgraphandtwinsupportvectormachine(DAGTW
文档评论(0)