首页|基于改进Pinball损失的支持向量机

基于改进Pinball损失的支持向量机

扫码查看
原文链接
  • 万方数据
  • 维普
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.
Support Vector Machine Based on Improved Pinball Loss

SVMnoise dataPin-SVMclassification accuracy

孙雪莲、姜志侠、姜文翰

展开 >

长春理工大学 数学与统计学院,长春 130022

SVM 噪声数据 Pin-SVM 分类精度

吉林省自然科学基金国家自然科学基金

YDZJ202201ZYTS51911426045

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
年,卷(期)：2024.47(1)
  • 2
  • 14