计算机应用研究

作者：徐龙飞,郁进明,

单位：东华大学信息科学与技术学院,上海201620；

关键词：支持向量机(SVM),损失函数,噪声,pinball,LS,MLloss,MLSVM,

基金：国家自然科学基金资助项目(16K10439)；；

SVM的损失函数可以保证分类结果的高置信度，但同时是一个无界的凸函数，导致受噪声的影响较大。为了提高SVM在噪声环境下的分类效果，提出使用结合了pinball和LS损失函数的ML loss来降低对噪声的敏感性，将其应用到SVM中得到MLSVM模型。根据LS损失函数具有结构风险最小化的特性和等式约束来简化求解过程，然后使用pinball损失函数根据分类样本之间的最大分位数距离来确定分类超平面，再使用拉格朗日函数等方法求解MLSVM的目标函数和分类超平面。在数据集上的实验表明，相比于hinge SVM等模型，MLSVM可以降低对数据中噪声的敏感性，提升对含噪数据的分类性能。

来源：2021年第2期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2021年第2期