.png){kind=icon}
返回
Kernel-free quadratic surface SVM for conditional probability estimation in imbalanced multi-class classification
.png){kind=icon}
PRE
AI
DOI：10.1016/j.neunet.2025.107480.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
对于多分类问题，我们提出了一种新的基于条件概率估计的概率输出分类器，称为核无关二次曲面支持向量机（CPSQSVM），该分类器基于一种新开发的二分类器（BCPSQSVM）与一对一分解策略（OvR）相结合。BCPSQSVM的目的是估计正类的后验条件概率密度，并假设其为二次函数。此外，给出了概率意义下二次可分的定义，并在其指导下构建了BCPSQSVM的优化问题。由于该原始问题是一个无需使用核函数的凸二次规划问题（QPP），因此可以直接求解。然而，我们为其对偶问题设计了相应的块迭代算法，这可能是由于原始问题约束规模过大导致设备无法运行。值得注意的是，我们的CPSQSVM为少数类样本分配更大的权重，以缓解因使用OvR策略而产生的标签不平衡的负面影响。理论分析中讨论了最优解的存在性和唯一性，以及CPSQSVM的可靠性和通用性。此外，还分析了算法的收敛性以及边界参数的上界。通过在人工和基准数据集上的数值实验验证了所提出方法的有效性和可行性。
Keyword:
Kernel-free
Quadratic surface
Block iteration algorithm
Imbalanced multi-class classification
期刊
IF:
6.3
论文数:
8.2K
被引数:
3.0W
机构
暂无机构信息
引用论文
Robust kernel-free support vector regression based on optimal margin distribution基于最优边际分布的鲁棒无核支持向量回归机
PREAI
分享收藏
分享收藏A proximal quadratic surface support vector machine for semi-supervised binary classification.png)
SOFT COMPUTING
SOFT COMPUTINGIF2.5
PREAI
分享收藏
查看更多内容