半模糊超球支持向量机多类分类方法研究

中国管理科学 ›› 2008, Vol. 16 ›› Issue (2): 140-144.

半模糊超球支持向量机多类分类方法研究

郭雪松¹, 袁治平², 刘波¹

1. 西安交通大学公共政策与管理学院陕西西安710049;
2. 西安交通大学管理学院陕西西安710049

收稿日期:2007-03-27 修回日期:2008-03-31 出版日期:2008-04-30 发布日期:2008-04-30
作者简介:郭雪松(1978- ),男(汉族),河北保定人,西安交通大学公共政策与管理学院讲师,研究方向:先进制造管理.
基金资助:
陕西省软科学项目(2006KR86);国家自然科学基金重点项目(70433003)

Study on Multi-class Classification Method Based on Semi-fuzzy Hypersphere Support Vector Machine

GUO Xue-song¹, YUAN Zhi-ping², LIU Bo¹

1. School of Public Policy and Administration, Xi'an Jiaotong University, Xi'an, 710049 China;
2. School of Management, Xi'an Jiaotong University, Xi'an, 710049 China

Received:2007-03-27 Revised:2008-03-31 Online:2008-04-30 Published:2008-04-30

摘要/Abstract

摘要： 针对支持向量机在大类别模式分类中存在的问题,提出了一种基于半模糊核聚类的超球支持向量机分类方法.该方法首先利用半模糊核聚类方法对样本进行预处理,完成边缘样本的选取,进而以所选样本为训练样本进行超球支持向量机训练,从而有效提高分类器的性能.实验表明,该方法比标准支持向量机多类分类方法具有更高的速度和精度.

关键词: 支持向量机, 多类分类, 半模糊核聚类, 超球

Abstract: Aiming at problems existing in the area of multi-class pattern recognition with large number of cata logs,a hypersphere support vector machine classification method based on semi-fuzzy kernel clustering is proposed.Samples are preprocessed with semi-fuzzy kernel clustering to ensure that the ones near boundaries are selected and then used to train hypersphere support vector machine so as to improve its performance efficiently.Some experimental results indicate that the new method yields higher precision and speed than classical support vector machine multi-class classification methods.

Key words: support vector machine, multi-class classification, semi-fuzzy kernel clustering, hypersp here

中图分类号:

TP391.4

郭雪松, 袁治平, 刘波. 半模糊超球支持向量机多类分类方法研究[J]. 中国管理科学, 2008, 16(2): 140-144.

GUO Xue-song, YUAN Zhi-ping, LIU Bo. Study on Multi-class Classification Method Based on Semi-fuzzy Hypersphere Support Vector Machine[J]. Chinese Journal of Management Science, 2008, 16(2): 140-144.

[1]	陈耸,于秀运,邱涌钦,方匡南. 基于半监督支持向量机的信用评分模型[J]. 中国管理科学, 2024, 32(3): 1-8.
[2]	周德强. 估计灰色Verhulst模型参数的LS-SVM方法及应用[J]. 中国管理科学, 2022, 30(3): 280-286.
[3]	王昱, 杨珊珊. 考虑多维效率的上市公司财务困境预警研究[J]. 中国管理科学, 2021, 29(2): 32-41.
[4]	黄星, 袁明, 王绍玉. 基于Mexican Wv-SVM的震灾人员存活量模型[J]. 中国管理科学, 2016, 24(9): 140-146.
[5]	王书平, 朱艳云. 基于多尺度分析的小麦价格预测研究[J]. 中国管理科学, 2016, 24(5): 85-91.
[6]	衣柏衡, 朱建军, 李杰. 基于改进SMOTE的小额贷款公司客户信用风险非均衡SVM分类[J]. 中国管理科学, 2016, 24(3): 24-30.
[7]	许启发, 张金秀, 蒋翠侠. 基于非线性分位数回归模型的多期VaR风险测度[J]. 中国管理科学, 2015, 23(3): 56-65.
[8]	张亮, 张玲玲, 陈懿冰, 腾伟丽. 基于信息融合的数据挖掘方法在公司财务预警中的应用[J]. 中国管理科学, 2015, 23(10): 170-176.
[9]	王书平, 胡爱梅, 吴振信. 基于多尺度组合模型的铜价预测研究[J]. 中国管理科学, 2014, 22(8): 21-28.
[10]	赛英, 张凤廷, 张涛. 基于支持向量机的中国股指期货回归预测研究[J]. 中国管理科学, 2013, 21(3): 35-39.
[11]	刘京礼, 李建平, 徐伟宣, 石勇. 信用评估中的鲁棒赋权自适应L_p最小二乘支持向量机方法[J]. 中国管理科学, 2010, 18(5): 28-33.
[12]	赵琨, 孔祥纬, 田英杰. 带有多面体扰动的半监督v-支持向量分类机[J]. 中国管理科学, 2010, 18(1): 143-148.
[13]	蒋艳霞, 徐程兴. 基于集成支持向量机的企业财务业绩分类模型研究[J]. 中国管理科学, 2009, 17(2): 42-51.
[14]	徐晓燕, 李桃, 陈华. 考虑投入产出效率的中小企业财务困境预测方法[J]. 中国管理科学, 2009, 17(1): 113-118.
[15]	姚智胜, 邵春福, 熊志华. 基于小波包和最小二乘支持向量机的短时交通流组合预测方法研究[J]. 中国管理科学, 2007, 15(1): 64-68.