距离加权极端支持向量机  

Distance weighted extreme Support Vector Machine

作　　者：鲁淑霞[1] 周旭[1] 张萌[1] 王熙照[1] 

机构地区：[1]河北大学数学与计算机学院河北省机器学习与计算智能重点实验室,河北保定071002

出　　处：《计算机工程与应用》2013年第12期160-163,共4页Computer Engineering and Applications

基　　金：国家自然科学基金(No.61170040);河北省自然科学基金(No.F2011201063,No.F2010000323);河北大学自然科学研究计划项目(博士项目)(No.Y2008-122)

摘　　要：由于极端支持向量分类机(ESVM)在对样本进行分类时并没有考虑到数据集中样本点的分布情况,对所有样本点的误差项都给予了相同的惩罚因子,使得分类器的分类效果很容易受到噪声、野值数据的干扰,针对这个问题,在ESVM的基础上提出了一种基于距离加权的极端支持向量机(WESVM)。由于不同的样本到其类中心距离的不同,因此对不同的样本给予不同的权重。分类实验结果表明WESVM与ELM、ESVM相比具有更好的分类精度。Extreme Support Vector Machine（ESVM） is susceptibly interfered by noise and outliers, because it does not take into account the distribution of the sample points and gives the same punishment factor to all of the error terms of sample points. For this problem, Weight Extreme Support Vector Machine （WESVM） is proposed on the basis of ESVM. Because the distances from different types of samples to the center of the sample are different, the different weights are assigned to the different training samples. The experiment results show that WESVM has a better classified accuracy compared with ESVM and Extreme Learning Machine.

关 键 词：极端支持向量机 支持向量机 权 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]