基于MEB和SVM方法的新类别分类研究

• 作者: 杨迪 方扬鑫 周彦
• 来源期刊: 广西师范大学学报（自然科学版）
• 学科: 医学
• 关键词: 机器学习 多分类问题 支持向量机 MEB SVDD
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 研究论文
• 页码范围: 57-67
• 页数: 11页
• 分类号: R737.9|TP18
• 语种: 中文
• DOI: 10.16088/j.issn.1001-6600.2021060913

摘要

有1份仅含A类与B类的训练集,与1份包含不止这2个类别的测试集,如何对测试集中的样本进行分类?针对这个问题,本文提出3种基于SVM方法和最小包围球方法(minimum enclosing ball,MEB)的新类别分类方法.这3种新类别分类方法不仅解决了SVM不能正确判别新类别的缺点,而且在实际数据分析中获得了较好的效果.本文使用乳腺癌分子分型数据进行分析,最终样本分类准确率可达90％以上,新类别样本分类正确率可达99％以上.