计算机应用与软件
計算機應用與軟件
계산궤응용여연건
Computer Applications and Software
2015年
11期
167-170,184
,共5页
牛犇%顾宏斌%孙瑾%周来%周扬
牛犇%顧宏斌%孫瑾%週來%週颺
우분%고굉빈%손근%주래%주양
机器学习%有向无环图%双支持向量机%多类分类
機器學習%有嚮無環圖%雙支持嚮量機%多類分類
궤기학습%유향무배도%쌍지지향량궤%다류분류
Machine learning%Directed acyclic graph%Twin support vector machine%Multi-class classification
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(directed acyclic graph and twin support vector machine)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(University of California Irvine)机器学习数据库和Stadog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.
針對多分類支持嚮量機算法中的低效問題和樣本不平衡問題,提齣一種有嚮無環圖-雙支持嚮量機DAG-TWSVM(directed acyclic graph and twin support vector machine)的多分類方法.該算法綜閤瞭雙支持嚮量機和有嚮無環圖支持嚮量機的優勢,使其不僅能夠得到較好的分類精度,同時還能夠大大縮減訓練時間.在處理較大規模數據集多分類問題時,其時間優勢更為突齣.採用UCI(University of California Irvine)機器學習數據庫和Stadog數據庫對該算法進行驗證,實驗結果錶明,有嚮無環圖-雙支持嚮量機多分類方法在訓練時間上較其他多分類支持嚮量機大大縮短,且在樣本不平衡時的分類性能要優于其他多分類支持嚮量機,同時解決瞭經典支持嚮量機一對一多分類算法可能存在的不可分區域問題.
침대다분류지지향량궤산법중적저효문제화양본불평형문제,제출일충유향무배도-쌍지지향량궤DAG-TWSVM(directed acyclic graph and twin support vector machine)적다분류방법.해산법종합료쌍지지향량궤화유향무배도지지향량궤적우세,사기불부능구득도교호적분류정도,동시환능구대대축감훈련시간.재처리교대규모수거집다분류문제시,기시간우세경위돌출.채용UCI(University of California Irvine)궤기학습수거고화Stadog수거고대해산법진행험증,실험결과표명,유향무배도-쌍지지향량궤다분류방법재훈련시간상교기타다분류지지향량궤대대축단,차재양본불평형시적분류성능요우우기타다분류지지향량궤,동시해결료경전지지향량궤일대일다분류산법가능존재적불가분구역문제.
