-
题名消除随机一致性的支持向量机分类方法
被引量：12
- 1
-
-
作者
王婕婷
钱宇华
李飞江
刘郭庆
-
机构
山西大学大数据科学与产业研究院
计算智能与中文信息处理教育部重点实验室(山西大学)
山西大学计算机与信息技术学院
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2020年第8期1581-1593,共13页
-
基金
国家自然科学基金项目(61672332)
山西省三晋学者支持计划项目
山西省回国留学人员科研项目(2017023)。
-
文摘
在人类自身的学习过程中,对学习结果进行科学客观的评价与反馈是关键环节.通常,由于学习者的知识缺陷或证据不足使得学习过程存在随机性,进一步可能导致学习结果与实际情况产生随机一致性.对此结果的直接反馈将严重影响学习性能的提升.同样,机器学习是以数据为驱动、以目标为导向的学习系统.由于经验历史数据有限、不平衡、含噪音等特质导致学习结果具有随机一致性.然而,以准确度为反馈准则的机器学习系统无法辨识随机一致性,这会影响学习系统的泛化能力.首先给出随机准确度和纯准确度的定义,并且进一步分析消除随机准确度的意义及必要性.然后,基于纯准确度指标,提出消除随机一致性的支持向量机分类方法PASVM,并在KEEL数据集的10种不同领域的基准测试集上验证其有效性.实验结果表明:相比于SVM、SVMperf以及其他可用于优化纯准确度指标的学习方法,PASVM泛化性能有明显提高.
-
关键词
随机一致性
纯准确度
支持向量机
分类
泛化能力
-
Keywords
random consistency
pure accuracy
support vector machine(SVM)
classification
generalization ability
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
