-
题名基于ML loss的SVM分类算法
被引量：9
- 1
-
-
作者
徐龙飞
郁进明
-
机构
东华大学信息科学与技术学院
-
出处
《计算机应用研究》
CSCD
北大核心
2021年第2期435-439,共5页
-
基金
国家自然科学基金资助项目(16K10439)。
-
文摘
SVM的损失函数可以保证分类结果的高置信度,但同时是一个无界的凸函数,导致受噪声的影响较大。为了提高SVM在噪声环境下的分类效果,提出使用结合了pinball和LS损失函数的ML loss来降低对噪声的敏感性,将其应用到SVM中得到MLSVM模型。根据LS损失函数具有结构风险最小化的特性和等式约束来简化求解过程,然后使用pinball损失函数根据分类样本之间的最大分位数距离来确定分类超平面,再使用拉格朗日函数等方法求解MLSVM的目标函数和分类超平面。在数据集上的实验表明,相比于hinge SVM等模型,MLSVM可以降低对数据中噪声的敏感性,提升对含噪数据的分类性能。
-
关键词
支持向量机(SVM)
损失函数
噪声
pinball
LS
ML
loss
mlsvm
-
Keywords
SVM(support vector machine)
loss function
noise
pinball
LS
ML loss
mlsvm
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
