基于代價(jià)敏感svm的直接優(yōu)化f-measure算法研究

《基于代價(jià)敏感svm的直接優(yōu)化f-measure算法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、密級(jí)：保密期限；導(dǎo)氣乂篷碩±學(xué)位論文基于代價(jià)敏感ＳＶＭ的直接優(yōu)化Ｆ－ｍｅａｓｕｒｅ算法研究ＲｅｈＤ－ｓｅａｒｃｏｎｉｒｅｃｔｌＯｔｉｍｉｚｉｎＦｍｅａｓｕｒｅＡｌｏｒｉｔｈｍ；？ｙｐｇｇ：ＢａｓｅｄｏｎＣｏｓｔ－ｓｅｎｓｉｔｉｖｅＳＶＭ學(xué)號(hào)Ｅ１４３０１１１８．％：‘姓名周源學(xué)位類別工程碩±學(xué)科專業(yè)故化下潔牛人１十丄平王（工程領(lǐng)域）指導(dǎo)教師程凡副教授完成時(shí)間２０１６年５月答辯委員會(huì)＾主席簽名

2、＾＇．．．、．．式ｉ護(hù)Ｌ．．．ｊＩ．．．■＇－ａ．．．ｕ．，Ｉ．．三Ｊ■Ｖ１．．－？．．？．ｔ＇．．．？．４．Ｉ獨(dú)創(chuàng)牲聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)卿指導(dǎo)下進(jìn)行的研究工作及取得的＾１乂標(biāo)注和致謝的地方外研究成果。據(jù)我所知，除了文中特別加，論文中不包含其他人己經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得安徽大學(xué)或其他教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料一。與我罔工作的同志對(duì)本研究所做的任何貢獻(xiàn)均

3、已在論文中作了明確的說明并表示謝意。學(xué)佐淪文作者簽名：。＾年Ｈ：簽字日期月？家同巧，２／＾２學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解安徵大學(xué)有關(guān)保留、使用學(xué)位淪文的規(guī)定，有權(quán)保留并向國家有關(guān)部口或機(jī)構(gòu)送交論文的復(fù)印件和磁盤，允許論文被查閱和借閱?。蕖１救耸跈?quán)安徽大學(xué)可乂將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢Ｌ索，可乂采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文。（保密的學(xué)位論文在解密后適用本授權(quán)書）。學(xué)位論文作者簽名；詞希導(dǎo)卿簽如承噸簽字日期：

4、屋年Ｌ《日簽字日期：年月＾曰Ｍ為４（）＾安徽大學(xué)碩±學(xué)位論文＾摘要隨著社會(huì)的發(fā)展、科學(xué)的進(jìn)步，數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)等領(lǐng)域的研究正逐漸改變我們的生活。數(shù)據(jù)分類作為機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘領(lǐng)域的重要組成部分，成為眾多學(xué)者的研究重點(diǎn)，人們提出了不同的分類算法來構(gòu)建不同的分類器。Ｗ二分類一，般選用查為例當(dāng)樣本數(shù)據(jù)分布不平衡時(shí)，為了更準(zhǔn)確的度量分類器的性能，－準(zhǔn)率和查全率的調(diào)和平均Ｆ－ｍｅａｓｕｒｅ作為評(píng)估標(biāo)準(zhǔn)ｍｓｕｒｅ。由于Ｆｅａ在不平－ｍｅａｓｕｒｅ的分類器是近衡分類的廣泛應(yīng)用

5、，如何設(shè)計(jì)出有效的面向Ｆ年來的研究－熱點(diǎn)。但是由于Ｆｍｅａｓｕｒｅ的非，直接優(yōu)化起來較為困難凸性，現(xiàn)有的優(yōu)化算法Ｆ－ｍｅａｓｕｒｅ的學(xué)習(xí)器主要通過代價(jià)敏感算法或者直接優(yōu)化算法構(gòu)造面向。不同于一－ｍｅａｓｕｒｅ已有的研究，本文ＷＳＶＭ為王具，提出種結(jié)合代價(jià)敏感和直接優(yōu)化Ｆ的新型算法。本文的主要工作如下：１文中從二分類入手，介紹了基于支持向量機(jī)的二分類學(xué)習(xí)及不平衡二分（）－ｍｅａｓｕｒｅ類的度量標(biāo)準(zhǔn)Ｆ，并在此基礎(chǔ)上，分析了現(xiàn)有代價(jià)敏感算法和直接優(yōu)化一Ｆ－二ｍｅａｓｕｒｅ算法的研

6、究現(xiàn)狀，提出了種將者相融合的新方法。一２新方法首先給出了從最大化Ｆ－ｍｅａｓｕｒｅ到代價(jià)敏感ＳＶＭ的個(gè)直接轉(zhuǎn)（）換。針對(duì)新的目標(biāo)函數(shù)具備非光滑從而導(dǎo)致傳統(tǒng)梯度優(yōu)化算法難Ｗ直接使用的特點(diǎn)，且算法的，提出使用基于次梯度的束方法進(jìn)行求解。不僅可解決上述問題１迭代次數(shù)僅為０（，不依賴于樣本數(shù)。不平衡數(shù)據(jù)集上的實(shí)驗(yàn)表明）：相比起己￡－ｍｅａｓｕｒｅ的分類器有面向Ｆ，本文所提算法得到的模型明顯更加精確。（３）針對(duì)束方法在求解主問題最小值時(shí)是通過轉(zhuǎn)換成對(duì)偶問題來解決的，而算法內(nèi)部的每次迭

7、代只能保證對(duì)偶問題的單調(diào)遞増，并不能保證主問題的單調(diào)遞一減，可能降低算法的收斂速度。提出個(gè)高效的線性捜索算法，確保了主問題的一，消除了主問題的波動(dòng)。單調(diào)遞減，進(jìn)步提高了算法的效率大規(guī)模數(shù)據(jù)集上的實(shí)驗(yàn)表明，該算法不僅能獲得高精度的二分類模型，且相比起已有其他直接優(yōu)化－ｍｅａｓｕｒｅ算法也更為高Ｆ效。Ｆ－ｍ法關(guān)鍵詞；ｅａｓｕｒｅ支持向量機(jī)衡二分類代價(jià)敏感；線性搜；；不平：；束方索Ｉ安巧大學(xué)碩±學(xué)位論文ＡｂｓｔｒａｃｔＡｂｓｌｒａｄＷｔｈｔｈｅｄｅｖｅｌｏｐｍｅｎｔ

8、ｏｆｓｏｃｉｅｔｙａｎｄｔｈｅｒｏｒｅｓｉｓｏｆｓｃｉｅｎｃｅ〇肋ｌｉｖｅｓｈａｖｅｂｅｅｎｐｇ，ｇｒａｄｕａｌｌｙｃｈａｎｇｅｄｂｙｔｈｅｒｅｓｅａｒｃｈｏｆｄａｔａｍｉｎｉｎｇａｎｄｍａｃｈｉｎｅｌｅａｒｎｉｎｇ．Ｍｅａｎｗｈｉｌｅ，ｃｌａｓｓｉｆｉｃａｔｉｏｎｔｅｃｈｎｏｌｏｇｙａｓａｎｉｍｏｒｔａｎｔａｒｔｏｆｔｈｏｓｅｒｅｓｅａｒｃｈｅｓｈａｖｅａｔｔｒ