.png){kind=icon}
返回
Multiclass models for nonlinear classification via nonparallel hyperplane support vector machine
.png){kind=icon}
PRE
AI
DOI：10.1063/5.0260466.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
核方法在机器学习中至关重要，因为它们能够对数据中的非线性关系进行建模。在这些方法中，支持向量机（SVM）因其稳健的性能和吸引人的优化特性而得到广泛认可。在本工作中，我们基于SVM变体的最新进展，提出了五种专门为多分类学习设计的新型模型。具体而言，我们引入了非平行超平面SVM和改进型双SVM的一对一（One-vs-One）和一对一（One-vs-All）版本，以及前一种方法的统一优化变体（all-together）用于非线性多分类。我们在11个数据集和12个多分类分类器上进行的实证评估显示，我们的方法具有优越性：五个提出的模型中有四个位列表现最佳者之列，并且在平衡准确率方面始终优于替代方法。此外，还进行了统计检验，结果显示分类器之间存在显著差异。
Keyword:
CLASSIFIERS
期刊
C
IF:
3.2
论文数:
412
被引数:
1.5W
查看更多机构
.png){kind=icon}
