李 凱，李潔

（河北大學網(wǎng)絡空間安全與計算機學院，河北保定 071002）

0 引言

支持向量機（Support Vector Machine，SVM）是由Vapnik等［1］提出的一種機器學習方法，其目標是根據(jù)輸入樣本集求解一個二次規(guī)劃問題，從而獲得所需的最優(yōu)分類超平面。為了解決SVM 計算復雜度高的問題，Jayadeva 等［2］提出了孿生支持向量機（Twin Support Vector Machine，TWSVM），該方法通過求解兩個較小的二次規(guī)劃問題，確定兩個非平行的超平面，使得每個超平面更接近其中的一個類而遠離另一個類，該模型較好地提高了計算速度。此后，在TWSVM 的基礎上，研究者們提出了多種孿生支持向量機算法［3-4］，如基于pinball 損失的孿生支持向量機［5-7］、模糊孿生支持向量機［8］和結構型孿生支持向量機［9-10］等，并將其應用于實際問題［11］。

可以看到，上述算法均適用于二分類問題，然而，在實際應用中多分類問題更加常見，因此對多分類問題的研究是十分必要的。目前，人們基于孿生支持向量機對多分類問題［12］進行了研究，主要分為三種類型：

1）第一類是基于二分類的多分類策略。該策略主要包括一對一和一對多兩種：一對一策略是在任意兩類之間構造一個二分類器，對待分類樣本使用投票法進行分類。例如Shao等［13］提出了一對一孿生支持向量機（One-Versus-One TWSVM，OVO-TWSVM）。該方法的缺點是當數(shù)據(jù)類別較多時，需構造的分類器數(shù)量過多，且存在數(shù)據(jù)不可分區(qū)域；而一對多策略［14］是在k個類中任意挑選一類作為正類，其余k-1類作為負類，并構造k個二分類器進行分類，缺點是每個分類器的訓練集高度不平衡；有向無環(huán)圖支持向量機（Directed Acyclic Graph TWSVM，DAG-TWSVM）［15］可視為OVOTWSVM方法的一種變形，其訓練過程與OVO-TWSVM 相似，在測試時使用有向無環(huán)圖對分類樣本進行分類，有效減少了投票輪數(shù)，然而當數(shù)據(jù)類別較多時仍需構造大量的分類器，且在判決過程中存在誤差累積的現(xiàn)象。Don 等［16］提出了一種分而治之支持向量機（Divide and Conquer SVM，DCSVM），它將OVO-TWSVM 方法的簡潔性與DAG-TWSVM 的分類速度相結合，克服了分類器過多的缺點，但分類過程仍存在誤差累積問題。除此之外，研究人員在這些算法的基礎上提出了多種改進算法，Liu 等［17］提出了一種基于OVO 策略和SVM 算法的改進多分類算法，使用K近鄰法為分類器設置權重，提高分類準確率；Yang 等［18］將多重遞歸投影孿生支持向量機、最小二乘法應用到OVA-TWSVM（One-Versus-All TWSVM）算法中，提出最小二乘遞歸投影孿生支持向量機等。

2）第二類是基于二分類方法演變的其他解決方法，包括一對一對多孿生支持向量機Twin-KSVC（TwinK-class Support Vector Classification）［19］和多生支持向量機（Multiple Birth SVM，MBSVM）［20］。一對一對多孿生支持向量機較好地解決了OVO-TWSVM 中存在的隨機投票現(xiàn)象，但其子分類器復雜，時間復雜度過高；而多生支持向量機極大減少了約束條件，使得時間復雜度低，計算速度顯著提高，但該算法容易陷入局部最優(yōu)；之后，研究人員針對這些方法提出了許多改進算法［21-24］。

3）第三類是直接構造解決多分類問題的方法。該方法針對所有樣本直接構造一個單一優(yōu)化問題，并確定所有類的決策函數(shù)，該方法有效解決了其他方法中存在不可分區(qū)域等問題。例如：Guo 等［25］為解決SVM 不適用于未標記的數(shù)據(jù)的問題，提出了一種基于主動學習和SVM 多分類模型用于處理未標記的數(shù)據(jù)。Weston 等［26］提出了多分類支持向量機（Multi-Class SVM，MSVM），但其存在二次規(guī)劃問題過大與計算時間長等缺陷。Crammer 等［27］通過引入克羅內(nèi)克函數(shù)，使得約束更加緊湊，但其計算量依然較大。Wang等［28］通過引入新的寬松邊界條件，提出了簡化的多分類支持向量機（Simplified Multi-Class SVM，SimMSVM）算法，較好地提高了計算速度，如圖1（a）所示。然而，由于該方法使用鉸鏈損失，很容易導致算法具有噪聲敏感性和重采樣不穩(wěn)定性；此外，在一些應用中，例如在推薦系統(tǒng)中，較新產(chǎn)品的重要性程度應高于舊產(chǎn)品，同樣地，不同樣本對支持向量機的作用可能不同；最后，樣本間存在潛在的結構信息，這些信息可能包含一些重要的先驗知識來訓練分類器，該方法未考慮到這幾點，使得該方法對噪聲或異常點仍具有較大的敏感性和較低的泛化性能，分類結果較差。

圖1 兩種算法的分類示意圖Fig.1 Classification schematic diagram of two algorithms

為了進一步解決上述問題，將pinball損失函數(shù)、樣本模糊隸屬度和樣本結構信息等引入到SimMSVM 算法中，本文提出了一種基于pinball 損失的結構模糊多分類支持向量機算法Pin-SFSimMSVM。如圖1（b）所示，該方法使用pinball 損失函數(shù)對分類錯誤的樣本進行懲罰，同時對分類正確的樣本給出一個額外懲罰，該函數(shù)使用分位數(shù)距離，使其對噪聲不敏感，數(shù)據(jù)重采樣更穩(wěn)定；為樣本添加模糊隸屬度，使得屬于一個類的樣本在分類時扮演更重要的角色；最后，將數(shù)據(jù)的先驗結構信息應用到算法中，進一步提高了支持向量機的分類性能。

1 相關工作

對SimMSVM 算法的數(shù)學模型、算法中用到的鉸鏈損失函數(shù)以及本文所提出的Pin-SFSimMSVM 算法所用到的pinball損失函數(shù)進行介紹。

1.1 SimMSVM

為了解決多分類問題，Wang等［28］提出了一種新的支持向量機算法，通過最大化每類到其余類的余量來區(qū)分出所有類，并且可一次性確定所有類的決策函數(shù)，解決了存在不可分區(qū)域的問題，且和同類方法相比在速度上也有較大的提升。給定l個樣本的k類數(shù)據(jù)集T={(x1，y1)，(x2，y2)，…，(xl，yl)}，其中xi∈Rn為訓練數(shù)據(jù)樣本，yi∈{1，2，…，k}為類標簽，其優(yōu)化問題如下：

其中：C為懲罰參數(shù)；wm為第m類的分類決策向量；H為適當維度的特征空間。通過求解式（1）可以得到所有k個類的分類決策向量。對于待分類樣本x，利用式（2）確定其類別：

1.2 損失函數(shù)

對于支持向量機與孿生支持向量機以及相關算法，在建立相應模型時，主要使用了鉸鏈損失函數(shù)，即：

Lhinge(u)=max{0，u}

在算法中，常見的使用形式為：

Lhinge(x，y，f(x))=max(0，1-yf(x))

其中：y和f（x）分別為理想值和預測值。由于鉸鏈損失函數(shù)使用了最短距離，因此，它易導致噪聲敏感性和重采樣的不穩(wěn)定性。為此，人們對不同損失函數(shù)的SVM 及TWSVM 進行研究，其中pinball 損失函數(shù)研究較為廣泛。pinball 損失函數(shù)定義如下：

在本文中，使用的pinball損失函數(shù)為：

其中τ∈［0，1］?？梢钥吹剑琾inball損失函數(shù)不僅對分類錯誤的樣本進行懲罰，而且對分類正確的樣本給出一個額外懲罰；另外，由于該函數(shù)使用了分位數(shù)距離，因此，它對噪聲不敏感，數(shù)據(jù)重采樣更穩(wěn)定，且不會增加計算成本。當pinball 損失的參數(shù)趨于零時，損失函數(shù)成為鉸鏈損失。

2 結構模糊多分類支持向量機

在本章中，將pinball損失函數(shù)、樣本權重和樣本的結構信息引入到SimMSVM 中，提出了一種新的多分類支持向量機算法Pin-SFSimMSVM。使用pinball 損失函數(shù)能較好地解決鉸鏈損失函數(shù)所帶來的噪聲敏感和重采樣不穩(wěn)定性等問題，通過引入模糊隸屬度對樣本賦予不同權重，并充分挖掘樣本中潛在的結構信息，數(shù)據(jù)中可能包含用于訓練分類器的重要先驗知識，進一步提高了算法的噪聲不敏感性和算法的性能。該方法不僅保留了SimMSVM 中一次性解決所有樣本的分類問題、避免產(chǎn)生數(shù)據(jù)不可分區(qū)域和計算速度快等優(yōu)點，且提高了算法的抗噪性和分類準確率。下面將從線性和非線性兩種情況對算法進行介紹。

2.1 線性情況

給定一個含有l(wèi)個樣本的k類訓練數(shù)據(jù)集T={(xi，yi，Si)|i=1，2，…，l}，其中xi∈Rn為訓練樣本，yi∈{1，2，…，k}為樣本類標簽。將pinball 損失函數(shù)、樣本模糊隸屬度和樣本結構信息引入到SimMSVM 中，從而得到線性Pin-SFSimMSVM的優(yōu)化問題：

其中：wm為第m類樣本的分類決策向量；C1和C2分別是平衡因子且C1>0，C2>0；Si為樣本模糊隸屬度；ξi為松弛變量；Σm為第m類樣本的結構信息；τ∈［0，1］為pinball損失參數(shù)。為了解決式（3），構造拉格朗日函數(shù)如下：

其中α和β是由拉格朗日乘子構成的向量，且α≥0，β≥0。

將拉格朗日函數(shù)對變量求偏導并令其等于0，得：

由式（7）和式（9）可得約束條件為：

將式（6）和式（8）代入到式（4）中，從而得到式（3）的對偶問題如下：

其中：γ=(α-β)；S為由樣本模糊隸屬度構成的向量；G為一個l×l維的矩陣。G的矩陣元素為：

其中I為適當維度的單位矩陣。

通過求解對偶問題式（11），從而得到γ，進一步可以求得wm，即每類樣本的分類決策向量。因此，獲得的決策函數(shù)為：

當對待分類樣本x進行分類時，其最終所屬類別的求解方法如下：

2.2 非線性情況

在這一節(jié)中，將線性情況推廣到非線性情況中。通過核矩陣將輸入樣本映射到高維特征空間，使其在高維空間中也能實現(xiàn)線性可分。設φ是一個從輸入空間Rn到特征空間Z的映射，則非線性Pin-SFSimMSVM算法的優(yōu)化問題為：

其中：um為第m類樣本的分類決策向量：C3、C4是平衡因子且C3>0，C4>0；ξi、Si和Σm分別為松弛變量、樣本模糊隸屬度和第m類樣本的結構信息，τ∈［0，1］為pinball損失參數(shù)。其拉格朗日函數(shù)為：

其中α≥0，β≥0為拉格朗日乘子。

將式（16）對變量求偏導并令其等于0得：

由式（19）和式（21）可得約束條件為：

將式（18）、（20）代入式（16），從而得到式（15）的對偶問題為：

其中：γ=(α-β)；S為由樣本模糊隸屬度構成的向量；G為一個l×l維的矩陣。G的元素為：

其中I為適當維度的單位矩陣。

通過對其對偶問題進行求解，求得um的值，進而得到如下決策函數(shù)：

其中K(xi，x)=φ(xi)Tφ(x)。

對于待分類樣本x，利用決策函數(shù)可確定樣本x所屬類別，即：

2.3 時間復雜度分析

對Pin-SFSimMSVM 算法的時間復雜度進行分析，該方法針對所有樣本直接構造一個單一優(yōu)化問題，一次性確定所有類的決策函數(shù)，并采用了較為簡單的損失函數(shù)，因此時間復雜度為O(l3)，其中l(wèi)為問題的規(guī)模。

3 實驗與結果分析

首先，對樣本模糊隸屬度以及樣本結構信息的獲取方法進行介紹，實驗中采用類中心距離法、模糊C 均值法和S 型方法獲取樣本模糊隸屬度，并分別使用基于距離和基于聚類的方法獲取樣本結構信息。接著，對提出的Pin-SFSimMSVM 算法的性能進行評估，從線性和非線性兩種情況對算法進行實驗比較。將SimMSVM［28］、OVO-TWSVM［13］、OVA-TWSVM［14］、Twin-KSVC［19］以及MBSVM［20］等多種多分類算法與所提出的Pin-SFSimMSVM 算法在UCI 數(shù)據(jù)庫［29］中的8 個標準數(shù)據(jù)集和4 個人工生成的數(shù)據(jù)集上分別進行實驗。此外，在標準數(shù)據(jù)集中分別加入5%和10%的特征噪聲并比較其準確率，以檢驗算法對噪聲的敏感性。結果表明，Pin-SFSimMSVM 算法在標準數(shù)據(jù)集和人工生成的數(shù)據(jù)集中都有很好的抗噪性。

3.1 模糊隸屬度

為了研究不同樣本賦予不同權重時對分類結果的影響，本文將對使用類中心距離法、模糊C 均值法和S 型三種不同方法賦予權重值時的測試結果進行比較。

1）類中心距離法。該方法根據(jù)每類中的樣本距離該類中心的距離遠近來定義其權重，距離類中心點越近的樣本權重越大，距離越遠權重越小。計算k類中的任意一類中的樣本權重Si的方法如下：

其中：di表示該樣本到該類類中心的距離；ri表示該類的半徑，即距離類中心最遠的樣本到中心的距離。

2）模糊C 均值法。該方法將每類樣本分為C個簇并使每個樣本到C個聚類中心的距離最小，即為每一個樣本賦予一個權重，該權重的值表示樣本隸屬于某一簇的重要程度。任意一類的優(yōu)化問題如下：

其中：vj為聚類中心；sij為第i個樣本在第j個簇中的權重；V和S分別由vj和sij組成；m為模糊加權指數(shù)。通過拉格朗日求解該優(yōu)化問題得到vj和sij的計算式，再通過求解公式迭代更新矩陣S和集合V：

3）S 型方法。與類中心距離法相似，根據(jù)樣本點距離該類中心的距離遠近來確定權重，不同的是，該方法將類中心距離法中的線性函數(shù)用如下非線性函數(shù)替換：

其中：a、b、n均為定義好的參數(shù)并滿足b=(a+n)/2，且當di=b時，Si=0.5。

3.2 結構信息

同樣在算法中加入樣本的結構信息可以更好地利用數(shù)據(jù)樣本中潛在的分布信息，本文主要使用以下兩種方法來獲取結構細信息。

1）類內(nèi)離散度法求結構信息：用于描述每個類內(nèi)部的結構信息。設μm為第m類樣本的均值向量，nm表示第m類樣本的個數(shù)，則結構信息可表示為：

2）基于聚類方法求結構信息：該方法通過對每類樣本進行聚類，將其劃分成不同的簇，計算出每個簇的聚類信息再求和得到該類的聚類信息。本文中主要使用到的聚類技術有模糊C 均值聚類、層次聚類和C 均值聚類。假設將其中第m類樣本聚類成c個簇，則第i個聚類簇和第m類的結構信息可分別表示為：

3.3 實驗數(shù)據(jù)集和分類性能評價指標

實驗選取Ripley 綜合數(shù)據(jù)集［30］、人工生成的3 個數(shù)據(jù)集和UCI 標準數(shù)據(jù)庫中的8 個數(shù)據(jù)集對Pin-SFSimMSVM 算法進行驗證。其中Ripley 為二類數(shù)據(jù)集，共包含250 個訓練樣本和1000個測試樣本，人工數(shù)據(jù)集中的數(shù)據(jù)為正態(tài)分布下隨機生成得到，將其分別命名為Data1、Data2 和Data3。其中，Data1每個類數(shù)據(jù)按照均值[-5，5]、[5，5]、[-5，-5]和[5，-5]，方差［0.40；03］生成。Data2 中共三個類：第一類包含3 個簇，每個聚類簇按照均值[2，-2]、［0，2］和[-4，5]，方差［0.70；00.7］生成；第二類包含2 個簇，每個聚類簇按照均值[-5，1]和[-1，0]，方差［0.40；03］生成；第三類包含3 個簇，每個聚類簇按照均值[-5，-4]、[-2，-4]和[1，-4]，方差［1.50；00.7］生成。Data3每個類數(shù)據(jù)則按照均值[-4，4，2]、［4，4，2］、[-4，-4，2]、[4，-4，2]和［0，0，2］，方差［200；020；003］生成。數(shù)據(jù)集中的樣本數(shù)、特征個數(shù)、分類數(shù)目和每類樣本所包含的簇數(shù)如表1所示。

表1 人工數(shù)據(jù)集特征Tab.1 Synthetic dataset characteristics

選用UCI 數(shù)據(jù)庫中的8 個標準數(shù)據(jù)集對算法進行驗證，它們分別為Iris、Zoo、Glass、Seeds、Ecoli、Balance、Soybean 和CMC，表2中描述了數(shù)據(jù)集的詳細特征。

表2 UCI數(shù)據(jù)集特征Tab.2 UCI dataset characteristics

另外，在分類問題中，分類器的性能評價指標也是選擇最優(yōu)分類器的重要依據(jù)。本文中選取的評價指標為分類準確率和標準差，準確率為分類正確的樣本與總樣本的比，標準差則是算法在數(shù)據(jù)集上進行10 次分類結果平均值方差的平方根。

3.4 Pin-SFSimMSVM算法實驗

將所提出的算法Pin-SFSimMSVM在人工數(shù)據(jù)集和UCI標準數(shù)據(jù)集上進行實驗，并與SimMSVM、OVO-TWSVM、OVATWSVM、Twin-KSVC 以及MBSVM 這幾種常用的多分類算法進行對比。下面介紹實驗中用到的參數(shù)及參數(shù)的選擇。懲罰參數(shù)C1和C2為平衡因子且大于0，C1值較大時對誤分類的懲罰增大，C2值較大時則結構信息所起作用增大；反之亦然。在非線性情況下，使用高斯核函數(shù)k(x，y)=作為核函數(shù)。當pinball 損失參數(shù)τ為0 時，損失函數(shù)為鉸鏈損失，因此參數(shù)τ在（0，1］取值。為使實驗結果達到最優(yōu)，C1，C2和p在2-4～210進行取值，首先取80%的樣本為訓練數(shù)據(jù)集，使用網(wǎng)格搜索和十重交叉驗證的方法對4 個參數(shù)進行篩選，得到實驗結果最優(yōu)時的各項參數(shù)值；并使用得到的最優(yōu)參數(shù)對訓練數(shù)據(jù)進行訓練得到?jīng)Q策函數(shù)，對測試樣本進行分類得到最終的分類準確率。實驗中對每種算法均采用10 次測試的平均值和標準差作為最終的評價指標。

為驗證所提出算法的分類性能，在表3和表4中分別給出了線性及非線性情況下，已有的5 種用于多分類的算法和本文所提出的Pin-SFSimMSVM 算法在幾個人工數(shù)據(jù)集上的分類準確率和標準差。其中Pin-SFSimMSVM算法使用模糊C均值法獲取樣本模糊隸屬度，并分別使用層次聚類和C 均值聚類方法獲取樣本的結構信息。

根據(jù)表3和表4可以看出，Pin-SFSimMSVM算法在線性和非線性情況中均表現(xiàn)出比SimMSVM 算法更好的性能，且在Ripley、Data1和Data2這3個數(shù)據(jù)集中均優(yōu)于其余幾種多分類算法。SimMSVM 和Pin-SFSimMSVM 這兩種算法對Ripley 數(shù)據(jù)集和Data1數(shù)據(jù)集的一次分類結果如圖2～3所示，在圖中對分類錯誤的樣本點進行了標記。

圖2 Ripley數(shù)據(jù)集及使用不同算法在其上的分類結果Fig.2 Ripley dataset and classification results of different algorithms on it

表3 線性情況下不同算法準確率和標準差對比 單位：%Tab.3 Comparison of accuracy and standard deviation of different algorithms in linear condition unit：%

表4 非線性情況下不同算法準確率和標準差比較 單位：%Tab.4 Comparison of accuracy and standard deviation of algorithms in nonlinear condition unit：%

在UCI 數(shù)據(jù)集上的部分實驗結果如表5～6 所示，對每個數(shù)據(jù)集中實驗結果最好的算法進行了標記，其中Pin-SimMSVM 算法為僅使用pinball 損失替換原算法中的鉸鏈損失而不作其他改變得到的算法，和原算法進行對比可以更好地觀察不同損失函數(shù)對算法分類結果的影響?？梢钥闯觯蠖鄶?shù)數(shù)據(jù)集在使用pinball 損失和模糊隸屬度后，準確率已有了一定的提升，為了研究pinball 損失參數(shù)τ 的變化對分類結果的影響，使用非線性情況下的Pin-SimMSVM 算法對其進行測試，在圖4 中給出了在UCI 數(shù)據(jù)集上Pin-SimMSVM 算法的精度隨pinball 損失參數(shù)τ 變化的規(guī)律，可以看出，隨著τ 值的變化，數(shù)據(jù)集的準確率十分穩(wěn)定，表明了Pin-SimMSVM 算法的性能是穩(wěn)定的。

圖4 UCI數(shù)據(jù)集上Pin-SimMSVM算法的精度隨τ值變化曲線Fig.4 Accuracy curve of Pin-SimMSVM algorithm varying with τ on UCI datasets

表5 不同算法求取模糊隸屬度在UCI數(shù)據(jù)集上的準確率和標準差對比（線性） 單位：%Tab.5 Comparison of accuracy and standard deviation of different algorithms in solving fuzzy membership degree on UCI datasets（linear）unit：%

表6 不同算法求取模糊隸屬度在UCI數(shù)據(jù)集上的準確率和標準差對比（非線性） 單位：%Tab.6 Comparison of accuracy and standard deviation of different algorithms in solving fuzzy membership degree on UCI datasets（nonlinear）unit：%

圖3 Data1數(shù)據(jù)集及使用不同算法在其上的分類結果Fig.3 Data1 dataset and classification results of different algorithms on it

為驗證不同獲取樣本模糊隸屬度的方法對實驗結果的影響，使用在Pin-SimMSVM 算法的基礎上引入樣本模糊隸屬度得到的Pin-FSimMSVM 算法進行實驗，分別使用類中心距離、模糊C 均值和S型三種方法獲取樣本模糊隸屬度，根據(jù)表5～6的實驗結果可以看出，使用模糊C 均值方法獲取模糊隸屬度的算法在大部分數(shù)據(jù)集中具有較好的性能：線性情況下在Ecoli、Balance和CMC三個數(shù)據(jù)集中略低于其他獲取模糊隸屬度的方法，但相較于SimMSVM算法依然具有優(yōu)勢；非線性情況下，模糊C均值方法和S型方法均具有較好的性能。因此，在后續(xù)實驗中均選取模糊C均值方法獲取樣本模糊隸屬度。

除此之外，針對選取的UCI 數(shù)據(jù)集，表7～8 中給出了線性及非線性情況下，使用四種不同獲取樣本結構信息的算法準確率，根據(jù)結果可知，與基于距離的方法比較，基于聚類的方法具有一定的優(yōu)勢，特別是層次聚類其優(yōu)勢較為明顯。

表7 不同算法求取結構信息在UCI數(shù)據(jù)集上的準確率和標準差對比（線性） 單位：%Tab.7 Comparison of accuracy and standard deviation of different algorithms in solving structural information on UCI datasets（linear）unit：%

表8 不同算法求取結構信息在UCI數(shù)據(jù)集上的準確率和標準差對比（非線性） 單位：%Tab.8 Comparison of accuracy and standard deviation of different algorithms in solving structural information on UCI datasets（nonlinear）unit：%

為了驗證所提出的Pin-SFSimMSVM 算法的有效性，在標準數(shù)據(jù)集上進行實驗并選取SimMSVM、OVO-TWSVM、OVATWSVM、Twin-KSVC 與MBSVM 算法進行比較；同時，為了檢驗算法的抗噪性能，在8 個標準數(shù)據(jù)集中分別加入了5%和10%的噪聲數(shù)據(jù)進行對比實驗，噪聲數(shù)據(jù)服從均值為0、方差為1 的高斯分布，實驗結果見表9，其中r表示所含噪聲比例，結構信息的獲取分別使用層次聚類和C均值聚類方法。

表9 不同算法在UCI數(shù)據(jù)集上添加噪聲的準確率和標準差對比（非線性） 單位：%Tab.9 Comparison of accuracy and standard deviation of different algorithms on UCI datasets with adding noise（nonlinear） unit：%

實驗結果表明，在選取的8 個UCI 標準數(shù)據(jù)集中，Pin-SFSimMSVM 算法在7 個數(shù)據(jù)集中均表現(xiàn)出優(yōu)異的性能，尤其是在加入噪聲數(shù)據(jù)后，準確率均高于其他算法，而在Balance數(shù)據(jù)集中，盡管本文所提出的算法低于OVO-TWSVM 等算法，但仍優(yōu)于SimMSVM 算法，且在加入噪聲后得到的實驗結果仍有明顯提高，這也表明了所提出的算法對噪聲和重采樣數(shù)據(jù)不具有敏感性。

此外，根據(jù)表9的實驗結果，將Pin-SFSimMSVM 算法的實驗結果與其他五種多分類算法的實驗結果在8 個標準數(shù)據(jù)集中進行比較，如表10所示。其含義為將Pin-SFSimMSVM 算法與其他五種不同算法在UCI 標準數(shù)據(jù)集上的輸局/平局/贏局個數(shù)，例如Pin-SFSimMSVM 算法與SimMSVM 算法在沒有添加噪聲情況下相比較的結果為1/1/6，則表明所提出的算法僅1次準確率低于原算法，1次準確率與原算法相等，6次結果優(yōu)于原算法。

表10 Pin-SFSimMSVM算法與其他算法在UCI標準數(shù)據(jù)集上的贏局/平局/輸局對比Tab.10 Comparison of Pin-SFSimMSVM algorithm with other different algorithms for win/draw/loss on UCI standard datasets

可以發(fā)現(xiàn)，本文所提出的算法的性能僅在一個數(shù)據(jù)集上差于改進前的SimMSVM 算法，但在噪聲數(shù)據(jù)集上優(yōu)于SimMSVM 算法，與其他算法相比，所提出的算法也具有很高的精度，表明Pin-SFSimMSVM具有更好的噪聲不敏感性。

4 結語

本文提出了一種新的用于多分類的支持向量機算法Pin-SFSimMSVM，該算法在SimMSVM 的基礎上，基于pinball 損失函數(shù)，通過引入樣本的模糊隸屬度和結構信息，較好地解決了多分類方法存在不可分區(qū)域，以及對數(shù)據(jù)中的噪聲和重采樣數(shù)據(jù)敏感等問題，并且在準確率上有很大提升。通過在人工數(shù)據(jù)集和UCI 標準數(shù)據(jù)集上對SimMSVM、OVO-TWSVM、OVA-TWSVM、Twin-KSVC 以及MBSVM 等多分類算法的對比實驗，驗證了所提出算法的有效性。