位置:成果数据库 > 期刊 > 期刊详情页
面向非静态数据分类的演进支持向量机
  • ISSN号:1009-5896
  • 期刊名称:电子与信息学报
  • 时间:2013.6.15
  • 页码:1413-1420
  • 分类:TP181[自动化与计算机技术—控制科学与工程;自动化与计算机技术—控制理论与控制工程]
  • 作者机构:[1]江南大学数字媒体学院,无锡214122, [2]无锡职业技术学院物联网技术学院,无锡214121, [3]常州大学信息科学与工程学院,常州213164
  • 相关基金:国家自然科不基金(61170122,61272210,61202311),江苏省自然科学基金(BK2012552)和江苏省研究生创新基金(CXZZl2-0759)资助课题
  • 相关项目:面向漂移过程的漂移模糊系统建模理论与方法及发酵过程应用研究
中文摘要:

时间自适应支持向量机(TA—SVM)方法在处理非静态数据集时表现出良好的性能,但仅根据邻接子分类器相似而获得的相关信息并不充分,由此可能会导致训练所得模型不可靠,限制其应用能力。该文通过定义子分类器序列的相关性衰减函数,提出新的面向非静态数据分类问题的演进支持向量机(Evolving Support Vector Machines,ESVM)。ESVM使用衰变函数以体现子分类器之间的相关程度,通过约束所有子分类器之间的带权差异以求得变化更光滑的子分类器序列,契合了数据中隐藏的渐变概念。在各种数据缓慢变化场景的对比实验中,该文的ESVM方法优于TA—SVM方法。

英文摘要:

The Time Adaptive Support Vector Machine (TA-SVM) algorithm exhibits good performance for nonstaionary datasets. However, insufficient information from adjacent subclassifier may lower the reliability of the obtained classification model and weakens its usefulness. A novel classifier named Evolving Support Vector Machines (ESVM) is proposed in this study by defining the relationship decaying function of the subclassifier serial. The evolving relationship between all the subclassifiers are considered in ESVM, thus a more smoothing subclassifier serial can be obtained by constraining the weighted variance between all subclassifiers, conforming with the characteristic of drifting concept hidden in the data. The effectiveness of the proposed ESVM is also experimentally verified.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《电子与信息学报》
  • 中国科技核心期刊
  • 主管单位:中国科学院
  • 主办单位:中国科学院电子学研究所 国家自然科学基金委员会信息科学部
  • 主编:朱敏慧
  • 地址:北京市北四环西路19号
  • 邮编:100190
  • 邮箱:jeit@mail.ie.ac.cn
  • 电话:010-58887066
  • 国际标准刊号:ISSN:1009-5896
  • 国内统一刊号:ISSN:11-4494/TN
  • 邮发代号:2-179
  • 获奖情况:
  • 国内外数据库收录:
  • 荷兰文摘与引文数据库,美国工程索引,美国剑桥科学文摘,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版)
  • 被引量:24739