| 融合数据分布特征的保序学习机 |
| |
| 引用本文： | 刘忠宝,张志剑,党建飞. 融合数据分布特征的保序学习机[J]. 数据采集与处理, 2020, 35(3): 431-440 |
| |
| 作者姓名： | 刘忠宝 张志剑 党建飞 |
| |
| 作者单位： | 中北大学软件学院,太原,030051;中北大学软件学院,太原,030051;中北大学软件学院,太原,030051 |
| |
| 基金项目： | 国家社会科学基金(19BTQ012)资助项目。 |
| |
| 摘 要： | 支持向量机（Support vector machine，SVM）作为一种经典的分类方法，已经广泛应用于各种领域中。然而，标准支持向量机在分类决策中面临以下问题：（1）未考虑分类数据的分布特征；（2）忽略了样本类别间的相对关系；（3）无法解决大规模分类问题。鉴于此，提出融合数据分布特征的保序学习机（Rank preservation learning machine based on data distribution fusion， RPLM-DDF）。该方法通过引入类内离散度表征数据的分布特征；通过各类样本数据中心位置相对不变保证全局样本顺序不变；通过建立所提方法和核心向量机对偶形式的等价性解决了大规模分类问题。在人工数据集、中小规模数据集和大规模数据集上的比较实验验证所提方法的有效性。
|
| 关 键 词： | 类内离散度 支持向量机 大规模数据集 全局保序 核心向量机 |
| 收稿时间： | 2019-10-10 |
| 修稿时间： | 2019-11-08 |
Rank Preservation Learning Machine Based on Data Distribution Fusion |
| |
| LIU Zhongbao,ZHANG Zhijian,DANG Jianfei. Rank Preservation Learning Machine Based on Data Distribution Fusion[J]. Journal of Data Acquisition & Processing, 2020, 35(3): 431-440 |
| |
| Authors: | LIU Zhongbao ZHANG Zhijian DANG Jianfei |
| |
| Abstract: | |
| |
| Keywords: | within-class scatter support vector machine (SVM) large-scale labeled datasets global rank preservation core vector machine(CVM) |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《数据采集与处理》浏览原始摘要信息 |
|
点击此处可从《数据采集与处理》下载全文 |
