一种层次粒度支持向量机算法

作     者：程凤伟 王文剑 CHENG Feng-wei;WANG Wen-jian

作者机构：山西大学计算机与信息技术学院山西太原030006 山西大学计算智能与中文信息处理教育部重点实验室山西太原030006 

出 版 物：《小型微型计算机系统》 (Journal of Chinese Computer Systems)

年 卷 期：2015年第36卷第8期

页      面：1799-1802页

核心收录：

学科分类：08[工学] 0835[工学-软件工程] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(60975035 61273291)资助 山西省回国留学人员科研项目(2012-008)资助 中国民航大学省部级科研机构开放基金项目(CAAC-ITRB-201305)资助 

主　　题：层次粒度支持向量机 置信度 自动粒划 分布 

摘      要：支持向量机(Support Vector Machine,SVM)拥有简洁的数学函数,能够非常有效地处理分类和回归问题,SVM具有两大优点:边界最大化和利用核函数解决线性不可分问题.但是由于SVM的训练复杂度依赖于数据集的规模,所以SVM处理大规模数据时能力非常有限.粒度支持向量机(Granular Support Vector Machine,GSVM)模型可以有效提高SVM的学习效率,但会损失一定的泛化能力.提出一种新的粒度支持向量机学习算法,称为层次粒度支持向量机(Hierarchical Granular Support Vector M achine,HGSVM),通过定义一个新的数据置信度挑选对分类贡献较大的重要信息粒,并在每次的迭代训练中根据粒的重要性进行自动粒划,以获得更好的泛化能力.在UCI标准数据集上的实验结果表明,与传统的粒度支持向量机相比,本文的算法可获得较好的分类性能.