低阶数据映射和特征加权的线性SVM

• 作者: 向新 王瑞 肖冰松
• 来源期刊: 空军工程大学学报（自然科学版）
• 学科: 工学
• 关键词: 线性支持向量机 核支持向量机 低阶多项式映射 隐性信息 特征加权 模糊熵
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 电子信息与通信导航
• 页码范围: 72-77
• 页数: 6页
• 分类号: TP391
• 字数: 4316字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-3516.2019.04.011

摘要

针对传统线性支持向量机在训练数据集时均等对待每一维输入特征,以及在原始空间直接分类造成预测准确率低的问题,提出低阶多项式数据映射和特征加权相结合的方法,来提高线性支持向量机的分类性能.该方法首先将每个样本映射到多项式核对应的2-阶显式特征空间,从而增加样本的隐性信息,然后使用模糊熵特征加权算法计算每一维特征的权重,通过权重衡量特征对分类结果的贡献大小.从不同数据库选取7个数据集进行测试,在训练时间和预测准确率2个方面将该方法与核支持向量机、线性支持向量机的其他改进算法进行比较.结果显示,随着数据集规模的扩大,训练时间降低一个数量级,预测准确率在一些数据集上取得与核支持向量机相接近的效果.结果表明:所提方法可以有效提高线性支持向量机的整体性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	向新	空军工程大学航空工程学院	74	321	8.0	14.0
2	肖冰松	空军工程大学航空工程学院	46	303	8.0	15.0
3	王瑞	空军工程大学航空工程学院	11	5	2.0	2.0