×
彭世立;胡庆华;陈银丽;党建武

异构数据的改进支持向量机算法。 （英语） Zbl 1374.68415号

模式识别 48，第6期，2072-2083（2015）。
摘要：支持向量机（SVM）是一种常用的分类学习算法。经典的SVM有效地管理了由数值属性定义的分类任务。然而，数值属性和标称属性都被用于实际任务中，经典SVM没有充分考虑它们之间的差异。名义属性通常在编码后被视为数字属性。这可能会降低学习算法的性能。在本研究中，我们提出了一种用于异构数据学习的新型SVM算法，称为异构SVM（HSVM）。该算法学习映射，通过最小化估计泛化误差将标称属性嵌入到实际空间中，而不是直接编码。进行了大量实验，得到了一些有趣的结果。实验表明，HSVM提高了标称数据和异构数据的分类性能。

引用于6文件

MSC公司：

68T05型 人工智能中的学习和自适应系统
62小时30分 分类和区分；聚类分析（统计方面）

关键词：

支持向量机;异构数据;名义属性;数值属性;分类学习

软件：

威卡;莫德;UCI-毫升;伦敦银行支持向量机
PDF格式BibTeX公司 XML格式引用
\textit{S.Peng}等，模式识别48，No.6，2072--2083（2015；Zbl 1374.68415）
全文： 内政部

参考文献：

[1] Vapnik，V.，《统计学习理论的本质》（1999），施普林格出版社：德国柏林施普林格·Zbl 0928.68093号
[2] 牛，X.-X。；Suen，C.Y.，一种用于识别手写数字的新型混合cnn-svm分类器，模式识别。，45, 4, 1318-1325 (2012)
[3] 刘，C.-L。；Nakashima，K。；Sako，H。；Fujisawa，H.，手写数字识别最新技术的基准测试，模式识别。，362271-2285（2003年）·Zbl 1054.68124号
[5] Warren Liao，T.，时间序列数据聚类调查，模式识别。，38, 11, 1857-1874 (2005) ·Zbl 1077.68803号
[6] 塔皮亚，E。；布拉西奥，P。；Angelone，L.，稀疏和稳定的基因选择与共识svm-rfe，模式识别。莱特。，33, 2, 164-172 (2012)
[7] Ruiz，R。；里克尔梅，J.C。；Aguilar-Ruiz，J.S.，癌症分类微阵列数据中基于包装物的增量基因选择，模式识别。，39, 12, 2383-2392 (2006)
[8] 程，J。；王凯，用联合支持向量机进行图像检索的主动学习，模式识别。，40, 1, 330-334 (2007) ·Zbl 1103.68501号
[9] 刘，Y。；张，D。；Lu，G。；马伟英，基于内容的高层次语义图像检索综述，模式识别。，40, 1, 262-282 (2007) ·Zbl 1103.68503号
[10] Kachouri，R。；杰马尔，K。；Maaref，H.，异构图像数据库中的多模型分类方法，模式识别。，43, 12, 4077-4088 (2010) ·Zbl 1207.68289号
[12] 昆兰，J.R.，C4。5：《机器学习计划》，第1卷（1993），摩根·考夫曼：美国马萨诸塞州摩根·考夫曼
[13] 布雷曼，L。；弗里德曼，J。；斯通，C.J。；Olshen，R.A.，《分类和回归树》（1984），查普曼和霍尔/CRC：查普曼&霍尔/CRC英国伦敦·Zbl 0541.62042号
[15] 斯坦菲尔，C。；Waltz，D.，《迈向基于记忆的推理》，Commun。ACM，29，12，1213-1228（1986）
[16] 威尔逊，D.R。；Martinez，T.R.，《改进的异质距离函数》，J.Artif。智力。决议，6，1-34（1997）·Zbl 0894.68118号
[17] 菲克斯，E。；Hodges，J.L.，歧视分析。非参数判别一致性属性，《国际统计年鉴》，第238-247页（1989年）·Zbl 0715.62080号
[18] Tan，P.-N.，《数据挖掘导论》（2007），培生教育：印度培生教育
[19] 程，V。；李，C.-H。；郭敬通（Kwok，J.T.）。；李春光，标称数据的异类学习，模式识别。，37, 7, 1471-1477 (2004)
[20] 沙佩尔，O。；Vapnik，V。；O.布斯克。；Mukherjee，S.，《为支持向量机选择多个参数》，马赫。学习。，46, 1, 131-159 (2002) ·Zbl 0998.68101号
[21] Burges，C.J.，模式识别支持向量机教程，Data Min.Knowl。迪斯科。，2, 2, 121-167 (1998)
[23] Tsang，I.W。；郭敬通（Kwok，J.T.）。；Cheung，P.-M.，核心向量机在超大数据集上的快速svm训练，J.Mach。学习。第6、1、363号决议（2006年）·Zbl 1222.68320号
[24] 巴罗斯共和国。；Basgalupp，M.P。；de Carvalho，A。；Freitas，A.A.，《决策树归纳进化算法综述》，IEEE Trans。系统。人类网络。C部分：申请。修订版，42、3、291-312（2012）
[25] 吴，X。；库马尔，V。；Ross Quinlan，J。；Ghosh，J。；杨琼。；Motoda，H。；McLachlan，G.J。；Ng，A。；刘，B。；Yu，P.S.，《数据挖掘中的十大算法》，Knowl。信息系统。，14, 1, 1-37 (2008)
[26] 贾马，J。；Braddil，P.，级联泛化，马赫。学习。，41, 3, 315-343 (2000) ·Zbl 0966.68180号
[30] 北卡罗来纳州克里斯蒂亚尼尼。；Shawe-Taylor，J.，《支持向量机和其他基于内核的学习方法简介》（2000），剑桥大学出版社：剑桥大学出版社，英国剑桥
[32] 里夫金，R。；Klautau，A.，为一对所有分类辩护，J.Mach。学习。第5101-141号决议（2004年）·Zbl 1222.68287号
[33] 李，S。；Tan，M.，使用混合clpso-bfgs算法调整svm参数，神经计算，73，102089-96（2010）
[35] Bergstra，J。；Bengio，Y.，超参数优化的随机搜索，J.Mach。学习。研究，13，281-305（2012）·Zbl 1283.68282号
[37] 霍尔，M。；E.弗兰克。；霍姆斯，G。；普法林格，B。；鲁特曼，P。；Witten，I.H.，《weka数据挖掘软件：更新》，ACM SIGKDD Explor。纽斯利特。，11, 1, 10-18 (2009)
[38] 大卫·G。；Averbuch，A.，数值和标称数据的光谱分类光谱聚类，模式识别。，45, 1, 416-433 (2012) ·Zbl 1225.68171号
[39] Demšar，J.，多数据集上分类器的统计比较，J.Mach。学习。研究，7，1-30（2006）·Zbl 1222.68184号
[40] He，H。；Garcia，E.A.，从不平衡数据中学习，IEEE Trans。知识。数据工程，21，9，1263-1284（2009）
[41] 王，B.X。；Japkowicz，N.，《为不平衡数据集提升支持向量机》，Knowl。信息系统。，25, 1, 1-20 (2010)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。