消除随机一致性的支持向量机分类方法

王婕婷; 钱宇华; 李飞江; 刘郭庆

doi:10.7544/issn1000-1239.2020.20200127

消除随机一致性的支持向量机分类方法

(山西大学大数据科学与产业研究院太原 030006) (计算智能与中文信息处理教育部重点实验室(山西大学) 太原 030006) (山西大学计算机与信息技术学院太原 030006) (jietingwang@email.sxu.edu.cn)

基金项目: 国家自然科学基金项目(61672332)；山西省三晋学者支持计划项目；山西省回国留学人员科研项目(2017023)

详细信息

中图分类号: TP181
计量
- 文章访问数: 988
- HTML全文浏览量: 0
- PDF下载量: 457
出版历程
- 发布日期: 2020-07-31

Support Vector Machine with Eliminating the Random Consistency

(Institute of Big Data Science and Industry, Shanxi University, Taiyuan 030006) (Key Laboratory of Computational Intelligence and Chinese Information Processing (Shanxi University), Ministry of Education, Taiyuan 030006) (School of Computer and Information Technology, Shanxi University, Taiyuan 030006)

Funds: This work was supported by the National Natural Science Foundation of China (61672332), the Program for the San Jin Young Scholars of Shanxi, and the Overseas Returnee Research Program of Shanxi Province (2017023).

摘要

摘要: 在人类自身的学习过程中,对学习结果进行科学客观的评价与反馈是关键环节.通常,由于学习者的知识缺陷或证据不足使得学习过程存在随机性,进一步可能导致学习结果与实际情况产生随机一致性.对此结果的直接反馈将严重影响学习性能的提升.同样,机器学习是以数据为驱动、以目标为导向的学习系统.由于经验历史数据有限、不平衡、含噪音等特质导致学习结果具有随机一致性.然而,以准确度为反馈准则的机器学习系统无法辨识随机一致性,这会影响学习系统的泛化能力.首先给出随机准确度和纯准确度的定义,并且进一步分析消除随机准确度的意义及必要性.然后,基于纯准确度指标,提出消除随机一致性的支持向量机分类方法PASVM,并在KEEL数据集的10种不同领域的基准测试集上验证其有效性.实验结果表明：相比于SVM、SVMperf以及其他可用于优化纯准确度指标的学习方法,PASVM泛化性能有明显提高.
- 随机一致性 /
- 纯准确度 /
- 支持向量机 /
- 分类 /
- 泛化能力
Abstract: During the process of human learning, it is an important step to make the evaluation and feedback of the learning results objective. Usually, due to the lack of knowledge of evidence, there may exist consistency generated by the randomness in the learning results. Such rough feedback will hinder the improvement of the learning ability. Similarly, the machine learning system is a system driven by data and guided by performance measure. Due to the limitation, imbalance and noise of data, the results of machine learning also contain random consistency. However, the machine learning systems with the accuracy as the feedback index cannot discriminate the random consistency, which damages the generalization ability. In this paper, we propose the definition of the random accuracy and the pure accuracy. Further, the necessity of the elimination of random accuracy is analyzed. Then, based on the defined pure accuracy, we propose an SVM model with eliminating the random consistency, called as PASVM, and validate its efficiency on ten different benchmark data sets downloaded from KEEL. The experimental results show that the performance of the PASVM is better than that of the traditional SVM method, the SVMperf method and other methods that can optimize the pure accuracy measure.
- random consistency /
- pure accuracy /
- support vector machine (SVM) /
- classification /
- generalization ability

HTML全文

参考文献(0)

施引文献(20)

期刊类型引用(11)

1.	王婕婷，李飞江，李珏，钱宇华，梁吉业. 缓解随机一致性的基尼指数与决策树方法. 中国科学:信息科学. 2024(01): 159-190 . 百度学术
2.	张岚，张向阳，王金柯，杨铁军，刘骞. 基于改进支持向量机的数字档案多标签分类算法. 电子设计工程. 2024(03): 41-44+49 . 百度学术
3.	李荣昌，刘涛，郑海斌，陈晋音，刘振广，纪守领. 基于最大-最小策略的纵向联邦学习隐私保护方法. 自动化学报. 2024(07): 1373-1388 . 百度学术
4.	刘昊，田志宏，仇晶，刘园，方滨兴. 面向小样本的恶意软件检测综述. 软件学报. 2024(08): 3785-3808 . 百度学术
5.	贾崴，贺鹏. 基于遥感影像的园林水景区域目标提取仿真. 计算机仿真. 2024(07): 212-215+346 . 百度学术
6.	田会利，李佳贤，李佳帆. 物联技术视角下的医院妇产科护理模型研究. 微型电脑应用. 2023(04): 44-47 . 百度学术
7.	刘郭庆，钱宇华，张亚宇，王婕婷 . 给定预算下基于相对熵置信区间的蒙特卡洛树搜索最优动作识别算法. 计算机研究与发展. 2023(08): 1780-1794 . 本站查看
8.	罗红郊，马晓琴，孙妍，张华铭. 基于RFE特征选择的PSO-SVM用电量预测算法. 电子设计工程. 2023(20): 172-176 . 百度学术
9.	柯霖. 基于多源数据融合与模糊聚类的电力工程数据处理方法研究. 电子设计工程. 2023(24): 163-167 . 百度学术
10.	梁新彦，钱宇华，郭倩，黄琴 . 多粒度融合驱动的超多视图分类方法. 计算机研究与发展. 2022(08): 1653-1667 . 本站查看
11.	钱宇华，王川杭，王婕婷. 消除随机一致性的互信息及决策树算法. 山西大学学报(自然科学版). 2022(05): 1206-1215 . 百度学术