基于角度的變系數(shù)多分類支持向量機(jī)
關(guān)鍵詞：局部光滑 多分類支持向量機(jī) 基于角度的間隔最大分類框架
摘要：支持向量機(jī)作為機(jī)器學(xué)習(xí)中一個經(jīng)典的分類算法,一直廣受數(shù)據(jù)科學(xué)家的喜愛。無論是處理線性可分還是非線性可分?jǐn)?shù)據(jù),傳統(tǒng)的支持向量機(jī)能夠很好地解決二分類問題。針對給定的樣本,支持向量機(jī)通過最大化最小間隔得到最佳的決策分界面,從而實(shí)現(xiàn)對新樣本的類別預(yù)測。然而現(xiàn)實(shí)中的數(shù)據(jù)更為復(fù)雜多樣,一方面數(shù)據(jù)的類別往往多于兩個,近年不乏有優(yōu)秀的多分類支持向量機(jī)算法出現(xiàn);另一方面不同領(lǐng)域的數(shù)據(jù)的特征集中可能存在相對特殊的變量(稱之為主變量,targeted variable),需要將其挑選出來并加以特殊處理,以保持主變量對最終分類結(jié)果的重要影響?？紤]這兩個方面,提出基于角度的變系數(shù)多分類支持向量機(jī)(TLAMSVM)模型以解決含有主變量的多分類問題。它使用具備更好幾何解釋能力的基于角度的間隔最大分類框架完成多分類,并引入變系數(shù)模型,通過選擇合適的局部光滑函數(shù)處理主變量對模型的影響。把基于角度的變系數(shù)多分類支持向量機(jī)分別應(yīng)用到模擬數(shù)據(jù)集和真實(shí)數(shù)據(jù)集上。數(shù)值結(jié)果顯示,相比沒有使用變系數(shù)思想或基于角度的多分類框架的多分類支持向量機(jī),TLAMSVM模型具有更高的預(yù)測準(zhǔn)確度。
中國科學(xué)院大學(xué)學(xué)報雜志要求:
{1}文中表格采用三線表，必要時可加輔助線，表內(nèi)“空白”代表未測或無此項(xiàng)，“—”代表未發(fā)現(xiàn)，“0”代表實(shí)測結(jié)果為零。
{2}本刊在收到稿件1個月內(nèi)決定是否采用；如不能采用，將通過電子郵件的形式明確告知。
{3}參考文獻(xiàn)要求10篇以上，中英文對照，只列最新、最必要的公開出版物，建議盡量引用本行業(yè)知名期刊已刊出的相關(guān)文章，并在文中相應(yīng)處以上標(biāo)形式按順序標(biāo)出。
{4}中文摘要：字?jǐn)?shù)為150-200字。中文關(guān)鍵詞：選取3-5個文章核心術(shù)語。
{5}作者簡介在50字以內(nèi)，如果作者是國際著名科學(xué)獎獲得者、兩院院士、國家級名師、長江學(xué)者以及中小學(xué)、幼兒園特級教師，請注明。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
