代价敏感支持向量机的投影次梯度求解方法
CSTR:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:

国家自然科学基金项目“统计学习理论与算法研究”(60575001)和“基于损失函数的统计机器学习算法及其应用研究”(60975040)


Projection Sub-Gradient Solving Method for Cost-Sensitive SVM
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对传统的分类算法以及精度作为评价指标不能够满足现实分类问题的需要,将代价敏感方法引入支持 向量机中,提出一种新的学习算法CSSVM,并得到了类似于Pegasos 的投影次梯度求解方法,用于大规模数据的处 理。Pegasos 的步骤包括初始化、迭代、确定梯度下降的步长、确定梯度下降方向、更新、投影和结束。实验结果表 明,该算法能有效提高识别率和识别精度,具有一定的竞争力。

    Abstract:

    Aiming at the traditional method and its precision which used as evaluation index can not meet the requirements of practical classification. Introduce cost sensitive method into SVM, put forward a new learning algorithm CSSVM (cost-sensitive SVM), and acquire projection sub-gradient solving method which is similar as Pegasos to deal with large scale data. The Pegasos process includes initialization, iteration, ascertaining step lengths and direction of sub-gradient descent, update, projection and the end. The test results show that this algorithm can effectively improve identifying rate and identifying precision and it is competitive.

    参考文献
    相似文献
    引证文献
引用本文

梁万路.代价敏感支持向量机的投影次梯度求解方法[J].,2011,30(04):85-87.

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2013-01-17
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期:
  • 出版日期:
文章二维码