基于遗传算法的支持向量机分类算法

张东东

(上海理工大学 光电信息与计算机工程学院,上海200093)

摘要针对现有部分支持向量机在多类分类过程中存在的数据不均衡性、对算法结构依赖性强的问题,提出一种新的基于遗传算法的支持向量机多类分类算法。以遗传算法中的交叉作为支持向量机中类的选择,以变异改善分类过程中的纠错能力,以适应度函数作为最优分类结果的确定。在不同特性的样本集上进行仿真测试,结果证明,该算法在类数较多的情况下,有更好的数据均衡性,在分类速度及准确度上均有一定的优越性。

关键词遗传算法;支持向量机;多类分类

收稿日期:2015-04-18

作者简介:张东东(1991—),男,硕士研究生。研究方向:故障诊断,图像识别。E-mail:156848686@qq.com

doi:10.16180/j.cnki.issn1007-7820.2015.12.009

中图分类号TP301.6文献标识码A

Support Vector Machine Classification Algorithm Based on Genetic Algorithms

ZHANG Dongdong

(School of Optical-Electrical and Computer Engineering,Shanghai University for

Science and Technology,Shanghai 200093,China)

AbstractIn view of the some existing SVMS issues such as data disproportion and strong dependence on the algorithm structure in the process of multi-classification,a new SVM classification algorithm based on genetic algorithms is proposed.The new algorithm considers the crossover in the genetic algorithm as the choice of divisions in the SVM,improves the correction capability during classification by mutation and bases the optimal classification results on the fitness function.Simulation and tests are performed on sample sets with different characteristics and the result shows the algorithm has superiority in data balance,speed and accuracy of classification in the case of multi-classification.

Keywordsgenetic algorithm;SVM;multi-classification

支持向量机(SVM)[1]是一种机器学习方法,采用结构风险最小化原则[2]代替传统统计学的基于大样本的经验风险最小化原则。这种方法最初是针对两类问题的分类而提出的,在面对实际问题中普遍存在的多类问题时,将SVM进行有效的应用,已成为研究热点。

因此,本文在对现有几种SVM多类问题[3]的分类算法进行简单总结的基础上,提出了一种新的基于遗传算法[4]的SVM多类分类方法,并通过仿真和数据分析,得出新算法的结构特点及性能的优越性。

1多类支持向量机

当前较为通用的方法是通过组合多个二值分类器来实现多类分类器的构造,而SVM扩展方法并不唯一,且目前没有一种方法在性能上明显优于其他方法。……