用于多类别分类的一种加权超球支持向量机算法

摘要

在One-Class基础上发展起来的超球支持向量机算法能有效地解决多类别分类问题.但是原始的超球支持向量机算法仍有很多需要改进的地方.经过推导和实验,得到如下结论,即超球支持向量机算法过度依赖于每个训练样本,即使该训练样本为噪音数据或是离群异常数据.因此提出在训练之前加入预处理算法,通过相似度计算删除噪音点和异常点.在训练过程中,根据公式计算每个样本的权值,区别对待每个训练样本,确保SMO求解过程迅速收敛.在测试阶段,根据测试点的位置合理选择分类规则进行正确分类.实验结果表明提出的算法可以有效减少噪音数据和异常数据对分类结果的影响,同时提高了分类精度.