高级搜索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于类加权的双v支持向量机

王娜 李霞

王娜, 李霞. 基于类加权的双v支持向量机[J]. 电子与信息学报, 2007, 29(4): 859-862. doi: 10.3724/SP.J.1146.2005.01008
引用本文: 王娜, 李霞. 基于类加权的双v支持向量机[J]. 电子与信息学报, 2007, 29(4): 859-862. doi: 10.3724/SP.J.1146.2005.01008
Wang Na, Li Xia. A New Dual v Support Vector Machine Based on Class-Weighted[J]. Journal of Electronics and Information Technology, 2007, 29(4): 859-862. doi: 10.3724/SP.J.1146.2005.01008
Citation: Wang Na, Li Xia. A New Dual v Support Vector Machine Based on Class-Weighted[J]. Journal of Electronics and Information Technology, 2007, 29(4): 859-862. doi: 10.3724/SP.J.1146.2005.01008

基于类加权的双v支持向量机

doi: 10.3724/SP.J.1146.2005.01008
基金项目: 

广东省博士启动资金(04300851)和深圳市科技基金(200332)资助课题

A New Dual v Support Vector Machine Based on Class-Weighted

  • 摘要: 该文提出了一种类加权的双v支持向量机,称为WD v-SVM。给出了求解WD v-SVM的KKT条件。理论分析表明,WD v-SVM中的参数v+和v-具有与v-SVM类似的物理含义,分别对应于加权正类和负类中边界向量比例的上界和支持向量比例的下界,从而有利于分类识别中的参数取值。此外,通过调整类加权可提高WD v-SVM对小样本类的分类性能。实验结果表明WD v-SVM既保持了v-SVM的优势,即WD v-SVM的参数具有明确的物理含义,又解决了v-SVM由于样本类不平衡导致的分类错误偏差问题。
  • 加载中
计量
  • 文章访问数:  2580
  • HTML全文浏览量:  44
  • PDF下载量:  980
  • 被引次数: 0
出版历程
  • 收稿日期:  2005-08-16
  • 修回日期:  2006-01-06
  • 刊出日期:  2007-04-19

目录

    /

    返回文章
    返回

    官方微信,欢迎关注