-
题名多分类孪生支持向量机研究进展
被引量：43
- 1
-
-
作者
丁世飞
张健
张谢锴
安悦瑄
-
机构
中国矿业大学计算机科学与技术学院
中国科学院计算技术研究所智能信息处理重点实验室
-
出处
《软件学报》
EI
CSCD
北大核心
2018年第1期89-108,共20页
-
基金
国家自然科学基金(61672522
61379101)
国家重点基础研究发展计划(973)(2013CB329502)~~
-
文摘
孪生支持向量机因其简单的模型、快速的训练速度和优秀的性能而受到广泛关注.该算法最初是为解决二分类问题而提出的,不能直接用于解决现实生活中普遍存在的多分类问题.近年来,学者们致力于将二分类孪生支持向量机扩展为多分类方法,并提出了多种多分类孪生支持向量机.多分类孪生支持向量机的研究已经取得了一定的进展.主要工作是回顾多分类孪生支持向量机的发展,对多分类孪生支持向量机进行合理归类,分析各个类型的多分类孪生支持向量机的理论和几何意义.以多分类孪生支持向量机的子分类器组织结构为依据,将多分类孪生支持向量机分为:基于"一对多"策略的多分类孪生支持向量机、基于"一对一"策略的多分类孪生支持向量机、基于"一对一对余"策略的多分类孪生支持向量机、基于二叉树结构的多分类孪生支持向量机和基于"多对一"策略的多分类孪生支持向量机.基于有向无环图的多分类孪生支持向量机训练过程与基于"一对一"策略的多分类孪生支持向量机类似,但其决策方式有其特殊的优缺点,因此将其也独立为一类.分析和总结了这6种类型的多分类孪生支持向量机的算法思想、理论基础.此外,还通过实验对比了分类性能.为各种多分类孪生支持向量机之间建立了联系比较,使得初学者能够快速理解不同多分类孪生支持向量机之间的本质区别,也对实际应用中选取合适的多分类孪生支持向量机起到一定的指导作用.
-
关键词
多分类
孪生支持向量机
多生支持向量机
支持向量机
-
Keywords
multi classs classification
twin support vector machine
multiple birth support vector machine
support vector machine
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
