当前位置：文档之家 › 一种改进的模糊多类支持向量机算法

一种改进的模糊多类支持向量机算法

  • 格式：docx
  • 大小：37.42 KB
  • 文档页数：2

一种改进的模糊多类支持向量机算法

李广莉;崔广顺

【期刊名称】《计算机测量与控制》

【年(卷),期】2011(19)4

【摘 要】Support Vector Machines (SVM) are a new -generation machine

learning technique based on the statistical learning theory.They can solve

small-sample learning problems better by using Structural Risk

Minimization in place of Experiential Risk Minimization.This paper based

on statistic learning theory (SLT) and support vector machine (SVM).

Aimed at the defect in the method of fuzzy support vector machine where

the membership function was constructed by means of distance relation

between the sample and cluster center, extend to the Multiclass Support

Vector Machines method, and with the fuzzy membership of data samples

of a given class, to improve classification performance with high

generalization capability. We used the improved Sequential Minimal

Optimization to solve fuzzy multicategory support vector machine. The

experimental results show that the computational load be reduced greatly

and with high generalization capability.%支持向量机是基于统计学习理论的新一代机器学习技术;由于使用结构风险最小化原则代替经验风险最小化原则,使它较好地解决了小样本情况下的学习问题;针对目前模糊支持向量机方法中,一般使用样本与类中心之间的距离关系构建隶属度函数的不足,以统计学习理论和支持向量机为基础,提出了一种改进的模糊多类支持向量机方法,它是在全局优化分类的基础上,引入模糊隶属函数,然后利用改进的序列最小最优化算法求解模糊多类支持向量机,实验结果显示运行时间减少了,方法是可行的和有效的.

【总页数】4页(P908-910,914)

【作 者】李广莉;崔广顺

【作者单位】承德石油高等专科学校计算机与信息工程系,河北,承德,067000;承德石油高等专科学校计算机与信息工程系,河北,承德,067000

【正文语种】中 文

【中图分类】TP391

【相关文献】

1.一种改进的基于遗传算法的模糊C-均值算法 [J], 侯惠芳;刘素华

2.一种基于改进T-S模糊推理的模糊神经网络学习算法 [J], 许哲万;李晶皎;王爱侠;郭先日

3.模糊k-prototypes聚类算法的一种改进算法 [J], 王宇;杨莉

4.一种融合遗传算法和粒子群算法的改进模糊C-均值算法 [J], 诸克军;李兰兰;郭海湘

5.自适应模糊辨识中关于模糊最近邻聚类学习算法的一种改进 [J], 张颖;邵惠鹤

因版权原因，仅展示原文概要，查看原文内容请购买

合集下载

一种改进的支持向量机的文本分类算法

一种改进的支持向量机的文本分类算法

© 1994-2010 China Academic Journal Electronic Publishing House. All rights reserved. 基金项目

:河南省科技攻关项目(

0321220024)

收稿日期

:2008-04-15　修回日期

:2008-06-30 第

26卷　第

7期计　算　机　仿　真

2009年

7月

文章编号

:1006-9348(

2009)

07-0165-04

一种改进的支持向量机的文本分类算法

巩知乐1

,张德贤1

,胡明明2

(

1.河南工业大学信息科学工程学院

,河南郑州

4500012.西安电子科技大学计算机学院

,陕西西安

710071)

摘要

:在文本分类中

,应用支持向量机(

SVM)算法能使分类在小样本的条件下具有良好的泛化能力。但支持向量机的参数

取值决定了其学习性能和泛化能力。为提高支持向量机算法的性能

,提出了一种采用免疫算法对支持向量机参数进行优化

的文本分类算法(

IA-SVM)。算法减少了对支持向量机参数选择的盲目性

,提高了

SVM的预测精度。实验表明

,IA-SVM

算法在文本分类问题上明显提高了分类正确率

,学习速度也有提高。

关键词

:免疫算法

;支持向量机

;文本分类

中图分类号

:TP311;TP301 文献标识码

:A

AnImprovedSVMAlgorithmforChineseTextClassification

GONGZhi-le1

,ZHANGDe-xian1

,HUMing-ming2

(

1.SchoolofInformationScienceandEngineering,HenanUniversityofTechnology,ZhengzhouHenan450001,China;

2.SchoolofComputer,Xi’

anUniversityofElectronicScienceandTechnology,Xi’

anShanxi710071,China)

一种改进的支持向量机多类分类方法

一种改进的支持向量机多类分类方法

龙源期刊网

一种改进的支持向量机多类分类方法

作者：郭亚琴 王正群

来源：《现代电子技术》2009年第20期

摘 要:提出一种新的基于二叉树结构的支持向量机(SVM)多类分类方法。该方法解决了现有主要算法中存在的不可分区域问题,具有简单、直观、重复训练样本少的优点。为了提高分类模型的推广能力,必须使样本分布好的类处于二叉树的上层节点,才能获得更大的划分空间。因此,该算法采用类间散布度量与类内散布度量的比值作为二叉树的生成算法。采用UCI标准数据集实验,实验结果表明该算法具有一定的优越性。

关键词:支持向量机;多类分类;二叉树;多类支持向量机

中图分类号:TP391文献标识码:A

文章编号:1004-373X(2009)20-143-04

Improved Multiclass Classification Methods for Support Vector Machine

GUO Yaqin1,WANG Zhengqun2

(1.ZiLang Vocational Technical College,Nantong,226002,China;2.School of Information

Engineering,Yangzhou University,Yangzhou,225009,China)

Abstract:The multiclass SVM methods based on binary tree are proposed.The new method can

resolve the unclassifiable region problems in the conventional multiclass SVM method,it is simple and

一种改进的多类支持向量机超光谱图像分类方法

一种改进的多类支持向量机超光谱图像分类方法

第３卷第１期　２００８年２月　智能系统学报　ＣＡＡＩ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　Ｉｎｔｅｌｌｉｇｅｎｔ　Ｓｙｓｔｅｍｓ　Ｖ０１．３　Ｎｏ．１　Ｆｅｂ．２００８　

一种改进的多类支持向量机超光谱图像分类方法　

赵春晖，陈万海，万建　（哈尔滨工程大学信息与通信工程学院，黑龙江哈尔滨１５０００１）　摘要：支持向量机（ＳＶＭ）是建立在统计学理论基础上的一种机器学习方法，用于解决二类分类问题，如何有效地　将其推广到多类分类问题是一个正在研究的课题．总结了现有的主要的支持向量机多类分类算法，并在１一ａ一１　ＳＶＭ　分类算法基础上提出一种二次分类的方法。改良了惩罚因子，提高了不易分的类别之间的可分程度．通过对超光谱　图像进行分类实验，结果表明该方法具有较高的分类精度．　关键词：支持向量机；二次分类；多类支持向量机　中图分类号：ＴＮ９１９．８１文献标识码：Ａ文章编号：１６７３—４７８５（２００８）Ｏ１—００７７—０６　Ａｎ　ｉｍｐｒｏｖｅｄ　ｈｙｐｅｒｓｐｅｃｔｒａｉ　ｉｍａｇｅ　ｃｌａｓｓｉｆｉｃａｔｉｏｎ　ｍｅｔｈｏｄ　ｆｏｒ　ａ　ｍｕｉｔｉｃｌａｓｓ　ｓｕｐｐｏｒｔ　ｖｅｃｔｏｒ　ｍａｃｈｉｎｅ　

ＺＨＡＯ　Ｃｈｕｎ－ｈｕｉ，ＣＨＥＮ　Ｗａｎ－ｈａｉ，ＷＡＮ　ｊ　ｉａｎ　（Ｃｏｌｌｅｇｅ　ｏｆ　Ｉｎｆｏｒｍａｔｉｏｎ　ａｎｄ　Ｃｏｍｍｕｎｉｃａｔｉｏｎ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｈａｒｂｉｎ　Ｅｎｇｉｎｅｅｒｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，Ｈａｒｂｉｎ　１　５０００　１，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：ＳＶＭ　ｉｓ　ａ　ｍａｃｈｉｎｅ　ｌｅａｒｎｉｎｇ　ｍｅｔｈｏｄ　ｄｅｖｅｌｏｐｅｄ　ｏｎ　ｔｈｅ　ｂａｓｉｓ　ｏｆ　ｓｔａｔｉｓｔｉｃｓ　ｔｈｅｏｒｙ　ａｎｄ　ｏｒｉｇｉｎａｌｌｙ　ｄｅ—　ｓｉｇｎｅｄ　ｆｏｒ　ｂｉｎａｒｙ　ｃｌａｓｓｉｆｉｃａｔｉｏｎ　ｐｒｏｂｌｅｍｓ．Ｔｈｅ　ｍｏｓｔ　ｅｆｆｅｃｔｉｖｅ　ｗａｙ　ｔｏ　ｅｘｔｅｎｄ　ｉｔ　ｆｏｒ　ｍｕｌｔｉｃｌａｓｓ　ｃｌａｓｓｉｆｉｃａｔｉｏｎ　ｉｓ　ｓｔｉｌｌ　ａｎ　ａｒｅａ　ｏｆ　ｃｏｎｓｉｄｅｒａｂｌｅ　ｄｉｓｃｕｓｓｉｏｎ．Ｔｈｉｓ　ｐａｐｅｒ　ｐｒｅｓｅｎｔａｌ　ａ　ｓｅｃｏｎｄａｒｙ　ｃｌａｓｓｉｆｉｃａｔｉｏｎ　ｍｅｔｈｏｄ　ｂａｓｅｄ　ｏｎ　ｌ—　ａ－１　ＳＶＭ　ｃｌａｓｓｉｆｉｃａｔｉｏｎ　ａｌｇｏｒｉｔｈｍ　ａｆｔｅｒ　ａ　ｇｅｎｅｒａｌ　ｏｖｅｒｖｉｅｗ　ｏｆ　ｔｙｐｉｃａｌ　ｍｅｔｈｏｄｓ　ｆｏｒ　ａ　ｍｕｌｔｉｃｌａｓｓ　ＳＶＭ．Ｏｕｒ　ｍｅｔｈｏｄ　ｉｍｐｒｏｖｅｓ　ｔｈｅ　ｐｅｎａｌｔｙ　ｆａｃｔｏｒｓ，ＳＯ　ｉｔ　ｅｎｈａｎｃｅｓ　ｔｈｅ　ｄｉｖｉｓｉｂｉｌｉｔｙ　ｏｆ　ｃｌａｓｓｅｓ　ｔｈａｔ　ｗｅｒｅ　ｄｉｆｆｉｃｕｌｔ　ｔｏ　ｃｌａｓｓｉｆｙ．　Ｅｘｐｅｒｉｍｅｎｔａｌ　ｒｅｓｕｌｔｓ　ｏｆ　ｈｙｐｅｒｓｐｅｃｔｒａｌ　ｉｍａｇｅ　ｃｌａｓｓｉｆｉｃａｔｉｏｎ　ｓｈｏｗｅｄ　ｔｈａｔ　ｔｈｅ　ｓｕｇｇｅｓｔｅｄ　ｍｕｌｔｉｃｌａｓｓ　ＳＶＭ　ｈａｓ　ｈｉｇｈｅｒ　ｃｌａｓｓｉｆｉｃａｔｉｏｎ　ｐｒｅｃｉｓｉｏｎ．　Ｋｅｙｗｏｒｄｓ：ｓｕｐｐｏｒｔ　ｖｅｃｔｏｒ　ｍａｃｈｉｎｅ；ｓｅｃｏｎｄａｒｙ　ｃｌａｓｓｉｆｉｃａｔｉｏｎ；ｍｕｌｔｉｃｌａｓｓ　ＳＶＭ　支持向量机（ｓｕｐｐｏｒｔ　ｖｅｃｔｏｒ　ｍａｃｈｉｎｅ，ＳＶＭ）是　Ｖａｐｎｉｋ等在统计学习理论的基础上发展的一种新　的模式识别方法，在解决小样本、非线性及高维模式　识别问题中表现出许多特有的优势．最初支持向量　机是用以解决两类分类问题，不能直接用于多类分　类，而实际应用中遇到的多是多类分类问题．目前已　经有许多算法将ＳＶＭ推广到多类分类问题，这些　算法统称为多类支持向量机．　１－ａ—ｌ　ＳＶＭ分类方法是一个具有代表性的多类　支持向量机算法，它在一定程度上改善了传统的多　类支持向量机存在的错分、拒分区域，可以获得较好　

一种改进的支持向量机序列最小优化算法

一种改进的支持向量机序列最小优化算法

第２７卷　Ｖｏ１．２７　第３期　Ｎｏ．３　重庆理工大学学报（自然科学）　Ｊｏｕｒｎａｌ　ｏｆ　Ｃｈｏｎｇｑｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｔｅｃｈｎｏｌｏｇｙ（Ｎａｔｕｒａｌ　Ｓｃｉｅｎｃｅ）　２０１３年３月　Ｍａｒ．２０１３　

ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７４－８４２５（ｚ）．２０１３．０３．０１６　

一种改进的支持向量机序列最小优化算法　

王越，吕奇峰，王　泉，曾　晶　

（重庆理工大学计算机科学与工程学院，重庆４０００５４）　

摘　要：提出一种改进的序列最小优化算法，它在选取工作集时选取优化步长最大的违反　ＫＫＴ条件的样本和其配对样本，并且对求解过程进行简化，从而使训练过程速度更快。实验表　

明，该算法是有效、可行的。　关键词：支持向量机；序列最小优化；快速算法　中图分类号：ＴＰ１８１　文献标识码：Ａ　文章编号：１６７４—８４２５（２０１３）０３—００７６—０４　

Ａｎ　Ｉｍｐｒｏｖｅｄ　Ｓｅｑｕｅｎｔｉａｌ　Ｍｉｎｉｍａｌ　Ｏｐｔｉｍｉｚａｔｉｏｎ　Ａｌｇｏｒｉｔｈｍ　ｏｎ　

Ｓｕｐｐｏｒｔ　Ｖｅｃｔｏｒ　Ｍａｃｈｉｎｅ　

ＷＡＮＧ　Ｙｕｅ，ＬＶ　Ｑｉ—ｆｅｎｇ，ＷＡＮＧ　Ｑｕａｎ，ＺＥＮＧ　Ｊｉｎｇ　

（Ｓｃｈｏｏｌ　ｏｆ　Ｃｏｍｐｕｔｅｒ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｅｎｇｉｎｅｅｒｉｎｇ，　Ｃｈｏｎｇｑｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｔｅｃｈｎｏｌｏｇｙ，Ｃｈｏｎｇｑｉｎｇ　４０００５４，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ｃｌａｓｓｉｆｉｃａｔｉｏｎ　ａｌｇｏｒｉｔｈｍ　ｏｆ　ＳＶＭ　ｉｓ　ａ　ｖｅｒｙ　ｅｘｃｅｌｌｅｎｔ　ｃｌａｓｓｉｆｉｃａｔｉｏｎ　ａｌｇｏｒｉｔｈｍ．ＳＭＯ　ａｌｇｏｒｉｔｈｍ　ｉｓ　ｓｕｉｔａｂｌｅ　ｆｏｒ　ｓｔｒｕｃｔｕｒｉｎｇ　ｍａｓｓｉｖｅ　ＳＶＭ　ｓｏｒｔｅｒ．Ｉｎ　ｔｈｉｓ　ｐａｐｅｒ，ｉｔ　ｐｒｅｓｅｎｔｓ　ａ　ｍｏｄｉｆｉｅｄ　ＳＭＯ　ａｌｇｏｒｉｔｈｍ