计算机应用

作者：李凯, 李洁

单位：河北大学 网络空间安全与计算机学院，河北 保定 071002

关键词：多分类,支持向量机,pinball损失,结构信息,模糊隶属度

基金：河北省自然科学基金资助项目(F2018201060)

针对多分类支持向量机（MSVM）对噪声较强的敏感性、对重采样数据的不稳定性以及泛化性能低等缺陷，将pinball损失函数、样本模糊隶属度以及样本结构信息引入到简化的多分类支持向量机（SimMSVM）算法中，构建了基于pinball损失的结构模糊多分类支持向量机算法Pin-SFSimMSVM。在人工数据集、UCI数据集以及添加不同比例噪声的UCI数据集上的实验结果显示：所提出的Pin-SFSimMSVM算法与SimMSVM算法相比，准确率均提升了0~5.25个百分点；所提出的算法不仅具有避免多类数据存在不可分区域和计算速度快的优点，而且具有对噪声较好的不敏感性以及对重采样数据的稳定性，同时考虑了不同数据样本在分类时扮演不同角色的事实以及数据中包含的重要先验知识，从而使分类器训练更准确。

来源：2021年第11期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第11期