资源描述:
《基于fisher类内散度支持向量机分类面修正方法》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库。
1、基于Fisher类内散度支持向量机分类面修正方法摘要:针对支持向量机(SVM)训练不平衡样本数据产生最优分类面的偏移会降低分类模型泛化性的问题,提出一种基于Fisher类内散度平均分布比的分类面修正方法。对样本数据进行SVM训练后获得分类面的法向量;通过计算两类样本在该法向量方向上的Fisher类内散度来评价这两类样本的分布情况;依据类内散度综合考虑样本个数所得到的平均分布比重新修正最优分类面的位置。在benchmarks数据集上的实验结果说明该方法能够提高SVM分类模型在处理不均衡数据集时对于少数类的识别率,从而有助于提高模型的泛化性。关键词:支持向量机;不平衡数据;修正;Fishe
2、r类内散度中图分类号:TP391.4文献标志码:A4结语通过引入Fisher判别中的类内散度的概念分析了SVM训练中各类样本的分布情况,并根据类内散度决定的平均分布比对SVM的最优分类面进行修正以提高SVM分类模型的泛化性。这种方法不仅可以解决样本个数差异给训练带来的问题,而且可以解决样本分布不均造成的问题,具有较强的适应性。这为SVM方法在更看重少数类样本识别率(如故障诊断、健康评估、信用风险评估等)数据不均衡问题的实际运用中提供了算法支撑。在今后的研究中尝试将修正最优分类面的SVM运用于此类问题中。参考文献:[1]VAPNIKV.Thenatureofstatisticallear
3、ningtheory[M].Berlin:SpringerVerlag,1995.[2]0RRUG,PETTERSSONYEOW,MARQUANDAF,etal.Usingsupportvectormachinetoidentifyimagingbiomarkersofneurologicalandpsychiatriedisease:acriticalreview[J].NeuroscienceandBiobehavioralReviews,2012,36(4):1140-1152.[3]GUOL,GEPS,ZHANGMH,etal.Pedestriandetectionforint
4、elligenttransportationsystemscombiningAdaBoostalgorithmandsupportvectormachine[J]・ExpertSystemswithApplication,2012,39(4):4272-4286.[4]M0UNTRAKISG,IMJ,OGOLEC.Supportvectormachinesinremotesensing:areview[J].ISPRSJournalofPhotogrammetryandRemoteSensing,2011,66(3):247-259.[5]JINW,ZHANGJQ,ZHANGX.Fac
5、erecognitionmethodbasedonsupportvectormachineandparticleswarmoptimization[J].ExpertSystemswithApplications,2011,38(4):4390-4393.[1]WUG,CHANGE.Classboundaryalignmentforimbalanceddatasetlearning[C]//ProceedingsofICML2003WorkshoponLearningfromImbalancedDataSets.Washington,DC:AAAIPress,2003:786-795.
6、[2]金鑫,李玉鑑,不平衡支持向量机的惩罚因子选择方法[J]・计算机工程与应用,2011,47(33):129-133.[3]郑恩辉,李平,宋执环•不平衡数据挖掘:类分布对支持向量机的影响[J]・信息与控制,2005,34(6):703-708.[4]CRISTIANININ,SHAWETAYL0RJ.支持向量机导论[M].李国正,王猛,曾华军,译•北京:电子工业出版社,2004.[5]CHAWLANV,JAPKOWICZN,KOTCZA.Specialissueonlearningfromimbalanceddatasets[J]・SIKDDExplorationsNewslette
7、rs,2004,6(1):1-6.[6]FUY,SUNRX,YANGQ,etal.AblockbasedsupportvectormachineapproachtotheproteinhomologypredictiontaskinKDDcup[J]・ACMSIGKDDExplora.tionsNewsletter,2004,6(2):120-124.[12JAKBANIR,KWEKS,JAPKOWICZN.Applyingsupportvec