| 可拓支持向量分类机 |
| |
| 引用本文： | 陈晓华1,刘大莲2,田英杰3,李兴森4. 可拓支持向量分类机[J]. 智能系统学报, 2018, 13(1): 147-151. DOI: 10.11992/tis.201610019 |
| |
| 作者姓名： | 陈晓华1 刘大莲2 田英杰3 李兴森4 |
| |
| 作者单位： | 1. 北京联合大学 教务处, 北京 100101;2. 北京联合大学 基础部, 北京 100101;3. 中国科学院 虚拟经济与数据科学研究中心, 北京 100190;4. 浙江大学宁波理工学院 管理学院, 浙江 宁波 315100 |
| |
| 摘 要： | 针对分类问题，基于可拓学的思想，提出了可拓支持向量分类机算法。与标准的支持向量分类机不同，可拓支持向量机在进行分类预测的同时，更注重于找到那些通过变化特征值而转换类别的样本。文中给出了可拓变量和可拓分类问题的定义，并构建了求解可拓分类问题的两种可拓支持向量机算法。把可拓学与SVM结合是一种新的方向，文中所提出的算法还有待进一步的理论分析，将在未来的工作里，继续探索如何在可拓学的基础上，构建更加完善的可拓SVM方法。
|
| 关 键 词： | 数据挖掘 可拓学 分类 支持向量机 最优化 最优化核函数 先验知识 统计学习理论 |
Extension support vector classification machine |
| |
| CHEN Xiaohua1,LIU Dalian2,TIAN Yingjie3,LI Xingsen4. Extension support vector classification machine[J]. CAAL Transactions on Intelligent Systems, 2018, 13(1): 147-151. DOI: 10.11992/tis.201610019 |
| |
| Authors: | CHEN Xiaohua1 LIU Dalian2 TIAN Yingjie3 LI Xingsen4 |
| |
| Affiliation: | 1. Dean’s office, Beijing Union University, Beijing 100101, China;2. Department of Basic Course Teaching, Beijing Union University, Beijing 100101, China;3. Research Center on Fictitious Economy and Data Science, Chinese Academy of Sciences, Beiji |
| |
| Abstract: | We propose an extension support vector machine (ESVM) to address the classification problem. Unlike the standard support vector machine, ESVM considers samples that can be converted into different labels by changing some feature values. We define the extension variables and extension classification problems and construct the corresponding optimization problem using a heuristic algorithm. In the future, we will improve the proposed method to incorporate the extension theory. |
| |
| Keywords: | data mining extension classification support vector machine optimization kernel function prior knowledge statistical learning theory |
|
| 点击此处可从《智能系统学报》浏览原始摘要信息 |
|
点击此处可从《智能系统学报》下载免费的PDF全文 |
