密度加权近似支持向量机

摘要：

标准的近似支持向量机( PSVM)用求解正则化最小二乘问题代替了求解二次规划问题,它可以得到一个解析解,从而减少训练时间.但是标准的PSVM没有考虑数据集中正、负样本的分布情况,对所有的样本都赋予了相同的惩罚因子.而在实际问题中,数据集中样本的分布是不平衡的.针对此问题,在PSVM的基础上提出了一种基于密度加权的近似支持向量机(DPSVM),其先计算样本的密度指标,不同的样例有不同的密度信息,因此对不同的样例给予不同的惩罚因子,并将原始优化问题中的惩罚因子由数值变为一个对角矩阵.在UCI数据集上用这种方法进行了实验,并与SVM和PSVM方法进行了比较,结果表明,DPSVM在正负类样本分布不平衡的数据集上有较好的分类性能.

关键词：支持向量机、近似支持向量机、密度加权、不平衡数据

所属期刊栏目：39

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金项目60903088,60903089;河北省自然科学基金项目F2010000323,F2011201063

在线出版日期：2012-04-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：182-184