基于多目标优化的SVM多类分类方法  

SVM multi-class classification method based on multi-objective optimization

作　　者：张晓龙[1] 邱泽伟[1] 张晓芳[1] 

机构地区：[1]武汉科技大学计算机科学与技术学院,湖北武汉430081

出　　处：《计算机工程与设计》2009年第8期1960-1962,1973,共4页Computer Engineering and Design

摘　　要：为了利用ROC曲线下的面积(AUC),更好地评价多类SVM学习效果,提出了MOSMAUC(multi-objective optimizes multiclass SVM based on AUC)算法。该算法采用AUC作为评价标准,利用多目标优化算法作为SVM参数的优化方法,避免优化对象的AUC值过低问题,因为在多类分类学习中任何一个两类分类的AUC值太低,都会影响整体学习的效果。实验结果表明,提出的优化方法改进了算法的学习能力,取得了较好的学习效果。In order to effectively apply AUC （area under the ROC curve） to do evaluation in multi-class SVM learning, an algorithm MOSMAUC （multi-objective optimizes multi-class SVM based on AUC） is proposed, where AUC is used as the evaluation criterion, multi-objective optimization is used to optimize learning parameters, since the low value of any AUC will decrease the learning performanee in the multi-class learning algorithm. Experimental results show the effectiveness of the proposed algorithm.

关 键 词：支持向量机 ROC曲线下面积 多目标优化 多类分类学习 PARETO最优解 

分 类 号：TP301[自动化与计算机技术—计算机系统结构]