基于Pareto多目標(biāo)優(yōu)化的SVM多類分類算法的實(shí)現(xiàn).pdf

1、分類學(xué)習(xí)是機(jī)器學(xué)習(xí)重要的研究?jī)?nèi)容。支持向量機(jī)(Support Vector Machine SVM)在眾多分類算法中，具有很好的分類性能。SVM通過選擇不同的核函數(shù)和參數(shù)可以使其具有不同的分類性能，在解決各種分類問題上具有很強(qiáng)的靈活性。同時(shí)，SVM算法分類性能與核函數(shù)及參數(shù)具有不可分割的關(guān)系。SVM算法和其它二類分類算法一樣，不能有效地處理多類分類問題。系統(tǒng)采用AUC(Area Under the ROC Curve)評(píng)價(jià)標(biāo)準(zhǔn)，可以彌補(bǔ)

2、用正確率作為評(píng)價(jià)標(biāo)準(zhǔn)的不足。多目標(biāo)優(yōu)化算法針對(duì)多個(gè)量進(jìn)行優(yōu)化，解決了僅僅依靠一個(gè)量?jī)?yōu)化的片面性。本文將AUC評(píng)價(jià)標(biāo)準(zhǔn)和SVM多類分類方法相結(jié)合實(shí)現(xiàn)多類別數(shù)據(jù)分類，通過Pareto多目標(biāo)優(yōu)化，對(duì)1/E(AUC)，D(AUC)進(jìn)行全局優(yōu)化，設(shè)計(jì)和實(shí)現(xiàn)了基于Pareto的多目標(biāo)遺傳算法優(yōu)化的多類分類方法(SVM Optimized by Multi-Object OptimizationBased on Pareto,SVM_PARETO)。