基于Pareto多目標優(yōu)化的SVM多類分類算法的實現.pdf

1、分類學習是機器學習重要的研究內容。支持向量機(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和參數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的靈活性。同時，SVM算法分類性能與核函數及參數具有不可分割的關系。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)評價標準，可以彌補

2、用正確率作為評價標準的不足。多目標優(yōu)化算法針對多個量進行優(yōu)化，解決了僅僅依靠一個量優(yōu)化的片面性。本文將AUC評價標準和SVM多類分類方法相結合實現多類別數據分類，通過Pareto多目標優(yōu)化，對1/E(AUC)，D(AUC)進行全局優(yōu)化，設計和實現了基于Pareto的多目標遺傳算法優(yōu)化的多類分類方法(SVM Optimized by Multi-Object OptimizationBased on Pareto,SVM_PARETO)。