长春理工大学学报(自然科学版)2024，Vol.47Issue(1) ：137-142.

基于改进Pinball损失的支持向量机

Support Vector Machine Based on Improved Pinball Loss

孙雪莲 姜志侠 姜文翰
长春理工大学学报(自然科学版)2024，Vol.47Issue(1) ：137-142.
✕
  • 维普
  • 万方数据

基于改进Pinball损失的支持向量机

Support Vector Machine Based on Improved Pinball Loss

孙雪莲 1姜志侠 1姜文翰1
扫码查看

作者信息

  • 1. 长春理工大学 数学与统计学院,长春 130022
  • 折叠

摘要

支持向量机(SVM)能够利用少量的支持向量实现高精度分类,但模型受噪声数据影响大,为提高支持向量机模型的分类精度,在Pin-SVM的基础上,提出Epin-SVM.该模型利用指数型函数修改了Pinball损失函数,使用损失函数的思想构造支持向量机模型以提高模型分类精度.在UCI数据集上进行实验,实验结果表明改进后的模型分类精度相较于Pin-SVM提升2％左右,证明Epin-SVM能够有效地提高模型的分类精度.

关键词

SVM/噪声数据/Pin-SVM/分类精度

Key words

SVM/noise data/Pin-SVM/classification accuracy

引用本文复制引用

基金项目

吉林省自然科学基金(YDZJ202201ZYTS519)

国家自然科学基金(11426045)

出版年

2024
长春理工大学学报(自然科学版)
长春理工大学

长春理工大学学报(自然科学版)

CSTPCD
影响因子：0.432
ISSN：1672-9870
浏览量2
参考文献量14
段落导航相关论文