多分类孪生支持向量机研究进展

• 作者: 丁世飞 安悦瑄 张健 张谢锴
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 多分类 孪生支持向量机 多生支持向量机 支持向量机
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 89-108
• 页数: 20页
• 分类号: TP18
• 字数: 17449字
• 语种: 中文
• DOI: 10.13328/j.cnki.jos.005319

摘要

孪生支持向量机因其简单的模型、快速的训练速度和优秀的性能而受到广泛关注,该算法最初是为解决二分类问题而提出的,不能直接用于解决现实生活中普遍存在的多分类问题.近年来,学者们致力于将二分类孪生支持向量机扩展为多分类方法,并提出了多种多分类孪生支持向量机,多分类孪生支持向量机的研究已经取得了一定的进展,主要工作是回顾多分类孪生支持向量机的发展,对多分类孪生支持向量机进行合理归类,分析各个类型的多分类孪生支持向量机的理论和几何意义,以多分类孪生支持向量机的子分类器组织结构为依据,将多分类孪生支持向量机分为:基于“一对多”策略的多分类孪生支持向量机、基于“一对一”策略的多分类孪生支持向量机、基于“一对一对余”策略的多分类孪生支持向量机、基于二叉树结构的多分类孪生支持向量机和基于“多对一”策略的多分类孪生支持向量机,基于有向无环图的多分类孪生支持向量机训练过程与基于“一对一”策略的多分类孪生支持向量机类似,但其决策方式有其特殊的优缺点,因此将其也独立为一类,分析和总结了这6种类型的多分类孪生支持向量机的算法思想、理论基础.此外,还通过实验对比了分类性能.为各种多分类孪生支持向量机之间建立了联系比较,使得初学者能够快速理解不同多分类孪生支持向量机之间的本质区别,也对实际应用中选取合适的多分类孪生支持向量机起到一定的指导作用.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	丁世飞	中国矿业大学计算机科学与技术学院	83	2735	17.0	52.0
5	张健	中国矿业大学计算机科学与技术学院	17	64	4.0	7.0
6	张谢锴	中国矿业大学计算机科学与技术学院	2	40	2.0	2.0
7	安悦瑄	中国矿业大学计算机科学与技术学院	2	40	2.0	2.0