ε不敏感损失函数支持向量机分类性能研究

• 作者: 张优云 朱永生 杨俊燕
• 来源期刊: 西安交通大学学报
• 关键词: ε不敏感损失函数 支持向量分类 模式分类 支持向量回归
• 年，卷（期）: 2007,（11）
• 所属期刊栏目: 专题研究
• 页码范围: 1315-1320
• 页数: 6页
• 分类号: TP183
• 语种: 中文
• DOI: 10.3321/j.issn:0253-987x.2007.11.015

摘要

将原先用于支持向量回归的ε不敏感损失函数引入到支持向量分类中,提出ε不敏感损失函数支持向量分类算法(ε-SVC).同标准支持向量分类方法(C-SVC)和最小二乘支持向量分类方法(LS-SVC)相比较,试验结果表明:当赋予参数ε一个足够大的接近于1的值时,ε-SVC的分类正确率略低于C-SVC和LS-SVC,但是ε-SVC的训练、测试和参数选择的速度要高于C-SVC和LS-SVC.特别是对于大规模数据集,这种优势将更加明显.另外,通过精确选择参数ε的值,ε-SVC能够获得比C-SVC和LS-SVC更高的分类正确率,但是训练、测试和参数选择的速度却随着ε的减小而降低.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱永生	西安交通大学现代设计和转子轴承系统教育部重点实验室	65	973	17.0	30.0
2	张优云	西安交通大学现代设计和转子轴承系统教育部重点实验室	152	2296	26.0	39.0
3	杨俊燕	西安交通大学现代设计和转子轴承系统教育部重点实验室	2	112	2.0	2.0