项目名称: 粗糙双胞胎支持向量机算法的研究及应用

项目编号: No.61153003

项目类型: 专项基金项目

立项/批准年度: 2012

项目学科: 金属学与金属工艺

项目作者: 徐义田

作者单位: 中国农业大学

项目金额: 15万元

中文摘要: 双胞胎支持向量机是一种新颖的支持向量机算法,其模型转化为求解两个较小规模的二次规划问题,而不是标准支持向量机的一个较大规模的二次规划问题,因此它的运算速度提高了四倍,近两年它受到高度重视。但为正类样本点构造分类超平面时,所有的正类样本点都参与了目标函数的构建,而只有小数错分的负类点参入其中,这对正类点容易产生"过拟合"现象,降低模型的预测能力。另外模型中对那些错分的负类点给予了相同的惩罚,而实际上它们所处的位置不同,对超平面有着不同的影响。 根据以上两点缺陷,对现有的双胞胎支持向量机进行改进是很有必要的。本项目将粗糙集理论引入到双胞胎支持向量机中,通过构造粗糙上间隔、粗糙下间隔和粗糙边界,这样更多的负类点被考虑了;同时对位于下间隔中的负类点给予较大的惩罚,对位于粗糙边界中的负类点给予较小的惩罚,改进后的模型将具有更强的推广能力。本项目将围绕分类和回归问题进行详细地研究。

中文关键词: 支持向量机;粗糙集理论;粗糙间隔;粗糙双胞胎支持向量机;

英文摘要:

英文关键词: Support vector machine;Rough set theory;Rough margin;Rough twin SVM;

成为VIP会员查看完整内容
0

相关内容

在机器学习中,支持向量机(SVM,也称为支持向量网络)是带有相关学习算法的监督学习模型,该算法分析用于分类和回归分析的数据。支持向量机(SVM)算法是一种流行的机器学习工具,可为分类和回归问题提供解决方案。给定一组训练示例,每个训练示例都标记为属于两个类别中的一个或另一个,则SVM训练算法会构建一个模型,该模型将新示例分配给一个类别或另一个类别,使其成为非概率二进制线性分类器(尽管方法存在诸如Platt缩放的问题,以便在概率分类设置中使用SVM)。SVM模型是将示例表示为空间中的点,并进行了映射,以使各个类别的示例被尽可能宽的明显间隙分开。然后,将新示例映射到相同的空间,并根据它们落入的间隙的侧面来预测属于一个类别。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
人工智能系统可信性度量评估研究综述
专知会员服务
82+阅读 · 2022年1月30日
【NeurIPS 2021】基于次模优化的规则学习算法框架
专知会员服务
32+阅读 · 2021年11月30日
逆优化: 理论与应用
专知会员服务
35+阅读 · 2021年9月13日
专知会员服务
87+阅读 · 2021年7月9日
专知会员服务
75+阅读 · 2021年5月30日
专知会员服务
41+阅读 · 2021年5月24日
专知会员服务
17+阅读 · 2021年5月16日
专知会员服务
30+阅读 · 2021年2月7日
专知会员服务
74+阅读 · 2020年12月6日
【PHM算法】PHM算法 | 故障诊断建模方法
产业智能官
62+阅读 · 2020年3月16日
一文读懂线性回归、岭回归和Lasso回归
CSDN
33+阅读 · 2019年10月13日
换个角度看GAN:另一种损失函数
机器之心
16+阅读 · 2019年1月1日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
【深度】行人检测算法
GAN生成式对抗网络
29+阅读 · 2018年6月3日
RF、GBDT、XGBoost面试级整理
数据挖掘入门与实战
17+阅读 · 2018年3月21日
【直观详解】支持向量机SVM
机器学习研究会
18+阅读 · 2017年11月8日
机器学习(23)之GBDT详解
机器学习算法与Python学习
12+阅读 · 2017年10月25日
手把手教你用LDA特征选择
AI研习社
12+阅读 · 2017年8月21日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月20日
A Sheaf-Theoretic Construction of Shape Space
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月15日
Arxiv
11+阅读 · 2018年1月28日
小贴士
相关VIP内容
人工智能系统可信性度量评估研究综述
专知会员服务
82+阅读 · 2022年1月30日
【NeurIPS 2021】基于次模优化的规则学习算法框架
专知会员服务
32+阅读 · 2021年11月30日
逆优化: 理论与应用
专知会员服务
35+阅读 · 2021年9月13日
专知会员服务
87+阅读 · 2021年7月9日
专知会员服务
75+阅读 · 2021年5月30日
专知会员服务
41+阅读 · 2021年5月24日
专知会员服务
17+阅读 · 2021年5月16日
专知会员服务
30+阅读 · 2021年2月7日
专知会员服务
74+阅读 · 2020年12月6日
相关资讯
【PHM算法】PHM算法 | 故障诊断建模方法
产业智能官
62+阅读 · 2020年3月16日
一文读懂线性回归、岭回归和Lasso回归
CSDN
33+阅读 · 2019年10月13日
换个角度看GAN:另一种损失函数
机器之心
16+阅读 · 2019年1月1日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
【深度】行人检测算法
GAN生成式对抗网络
29+阅读 · 2018年6月3日
RF、GBDT、XGBoost面试级整理
数据挖掘入门与实战
17+阅读 · 2018年3月21日
【直观详解】支持向量机SVM
机器学习研究会
18+阅读 · 2017年11月8日
机器学习(23)之GBDT详解
机器学习算法与Python学习
12+阅读 · 2017年10月25日
手把手教你用LDA特征选择
AI研习社
12+阅读 · 2017年8月21日
相关基金
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员