基于超立方体顶点采样的区间数SVM分类模型研究  

An SVM classification model for interval numbers based on hypercube vertex sampling

作　　者：覃朗[1] 朱建军[1] 

机构地区：[1]南京航空航天大学经济与管理学院,江苏南京211106

出　　处：《计算机工程与科学》2017年第11期2131-2138,共8页Computer Engineering & Science

基　　金：国家社会科学基金(14AZD049);国家自然科学基金(71171112;71401064);中央高校基本科研业务费专项资金(NS2014086);南京航空航天大学研究生开放基金(kfjj20150903)

摘　　要：研究了针对区间数样本的支持向量机分类问题。定义了区间数样本与超立方体之间的映射关系,研究了基于区间数样本的超立方体表示框架;提出了基于二叉树完整遍历的满足样本约束的超平面顶点采样方法,建立了通过分类目标函数转换的分类学习模型。实验仿真结果表明了该方法的可行性与有效性。We study the support vector machine （SVM） classification problem of lnterval num oers, define the mapping relationship between interval numbers and the hypercube, and build a hypercube representation frame based on interval number samples. We then propose a super planar vertex sampling method based on the complete traversal of the binary tree, which can satisfy sample constraint. We also build up a classification-learning model through transforming the classification objective function. Experimental simulations verify the feasibility and effectiveness of the proposed method.

关 键 词：区间数 支持向量机 超立方体 顶点采样 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]