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.PDF

第３２卷第１１期　　　 计算机应用与软件 Ｖｏｌ３２Ｎｏ．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ＤＡＧＴＷＳＶＭ（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．１０００３８６ｘ．２０１５．１１．０３９ ＡＤＩＲＥＣＴＥＤＡＣＹＣＬＩＣＧＲＡＰＨＡＮＤＴＷＩＮＳＵＰＰＯＲＴＶＥＣＴＯＲＭＡＣＨＩＮＥ ＡＬＧＯＲＩＴＨＭＦＯＲＭＵＬＴＩＣＬＡＳＳＣＬＡＳＳＩＦＩＣＡＴＩＯＮ 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　　Ｉｎｏｒｄｅｒｔｏｄｅａｌｗｉｔｈｔｈｅｉｎｅｆｆｉｃｉｅｎｔａｎｄｓａｍｐｌｅｕｎｂａｌａｎｃｅｐｒｏｂｌｅｍｓｉｎｍｕｌｔｉｃｌａｓｓｉｆｉｃａｔｉｏｎｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅａｌｇｏｒｉｔｈｍ，ｗｅ ｐｒｏｐｏｓｅｄａｍｕｌｔｉｃｌａｓｓｉｆｉｃａｔｉｏｎｍｅｔｈｏｄｗｉｔｈｄｉｒｅｃｔｅｄａｃｙｃｌｉｃｇｒａｐｈａｎｄｔｗｉｎｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ（ＤＡＧＴＷ