计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2015年
6期
82-87
,共6页
徐久成%刘洋洋%杜丽娜%孙林
徐久成%劉洋洋%杜麗娜%孫林
서구성%류양양%두려나%손림
三支决策%支持向量机%增量学习%条件概率%边界向量
三支決策%支持嚮量機%增量學習%條件概率%邊界嚮量
삼지결책%지지향량궤%증량학습%조건개솔%변계향량
Three-way decisions%Support vector machine%Incremental learning%Conditional probability%Boundary vectors
针对典型的支持向量机增量学习算法对有用信息的丢失和现有支持向量机增量学习算法单纯追求分类器精准性的客观性,将三支决策损失函数的主观性引入支持向量机增量学习算法中,提出了一种基于三支决策的支持向量机增量学习方法.首先采用特征距离与中心距离的比值来计算三支决策中的条件概率;然后把三支决策中的边界域作为边界向量加入到原支持向量和新增样本中一起训练;最后,通过仿真实验证明,该方法不仅充分利用有用信息提高了分类准确性,而且在一定程度上修正了现有支持向量机增量学习算法的客观性,并解决了三支决策中条件概率的计算问题.
針對典型的支持嚮量機增量學習算法對有用信息的丟失和現有支持嚮量機增量學習算法單純追求分類器精準性的客觀性,將三支決策損失函數的主觀性引入支持嚮量機增量學習算法中,提齣瞭一種基于三支決策的支持嚮量機增量學習方法.首先採用特徵距離與中心距離的比值來計算三支決策中的條件概率;然後把三支決策中的邊界域作為邊界嚮量加入到原支持嚮量和新增樣本中一起訓練;最後,通過倣真實驗證明,該方法不僅充分利用有用信息提高瞭分類準確性,而且在一定程度上脩正瞭現有支持嚮量機增量學習算法的客觀性,併解決瞭三支決策中條件概率的計算問題.
침대전형적지지향량궤증량학습산법대유용신식적주실화현유지지향량궤증량학습산법단순추구분류기정준성적객관성,장삼지결책손실함수적주관성인입지지향량궤증량학습산법중,제출료일충기우삼지결책적지지향량궤증량학습방법.수선채용특정거리여중심거리적비치래계산삼지결책중적조건개솔;연후파삼지결책중적변계역작위변계향량가입도원지지향량화신증양본중일기훈련;최후,통과방진실험증명,해방법불부충분이용유용신식제고료분류준학성,이차재일정정도상수정료현유지지향량궤증량학습산법적객관성,병해결료삼지결책중조건개솔적계산문제.
