Date:

2025-04-30

Title of Paper:

不敏感损失函数支持向量机分类性能研究

Journal:

西安交通大学学报 ISTIC EI PKU

Summary:

将原先用于支持向量回归的ε不敏感损失函数引入到支持向量分类中,提出ε不敏感损失函数支持向量分类算法(ε-SVC).同标准支持向量分类方法(C-SVC)和最小二乘支持向量分类方法(LS-SVC)相比较,试验结果表明:当赋予参数ε一个足够大的接近于1的值时,ε-SVC的分类正确率略低于C-SVC和LS-SVC,但是ε-SVC的训练、测试和参数选择的速度要高于C-SVC和LS-SVC.特别是对于大规模数据集,这种优势将更加明显.另外,通过精确选择参数ε的值,ε-SVC能够获得比C-SVC和LS-SVC更高的分类正确率,但是训练、测试和参数选择的速度却随着ε的减小而降低.

Co-author:

杨俊燕 张优云 朱永生

Volume:

2007, 41(11)

Translation or Not:

No

Date of Publication:

2007-11-02