基于多目标优化的SVM多类分类方法

• 作者: 张晓芳 张晓龙 邱泽伟
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 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
• 年，卷（期）: 2009,（8）
• 所属期刊栏目: 人工智能
• 页码范围: 1960-1962,1973
• 页数: 4页
• 分类号: TP301
• 字数: 3906字
• 语种: 中文

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-objectiveoptimizesmulti-classSVMbasedonAUC)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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张晓龙	武汉科技大学计算机科学与技术学院	49	652	13.0	24.0
2	邱泽伟	武汉科技大学计算机科学与技术学院	1	8	1.0	1.0
3	张晓芳	武汉科技大学计算机科学与技术学院	2	8	1.0	2.0