计算机工程

作者：王梦珍, 张德生, 张晓

单位：西安理工大学理学院, 陕西 西安 710054

关键词：支持向量机,局部密度,特征权重,信息增益,核函数

基金：国家自然科学基金面上项目(12171388)

使用一对超球面描述样本分布的双超球支持向量机(THSVM)算法没有考虑样本数据的密度信息, 容易受噪声干扰, 对所有特征赋予相同权重, 忽略了不同特征对分类结果的影响。针对上述问题, 提出了基于加权局部密度的双超球支持向量机(WLDTHSVM)算法。首先, 利用信息增益计算每个特征的权重, 并将特征权重应用到欧氏距离以及核函数的计算中, 降低了不相关或弱相关的特征对样本相似性的影响; 其次, 利用特征加权的欧氏距离, 构造一种新的加权局部密度函数, 不仅考虑了样本点近邻的类别信息, 而且考虑不同特征对样本间距离的影响, 将归一化加权局部密度与误差项结合来增强模型的抗噪声干扰能力; 最后, 用特征加权的决策函数判定测试样本点的所属类别。在人工数据集和UCI数据集上对WLDTHSVM算法的可行性与有效性进行验证, 实验结果表明, WLDTHSVM算法与支持向量机(SVM)、孪生支持向量机(TWSVM)、THSVM等对比算法相比, 在11个UCI数据集上平均准确率最高可提升2.76百分点, 在含噪数据集上具有较好的分类表现。

来源：2025年第5期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第5期