基于模糊支持向量机的概率分类

Marzieh Parandehgheibi

基于模糊支持向量机的概率分类

机器学习 2013-04-12 v1 统计理论统计理论

作者: Marzieh Parandehgheibi

摘要

在诸如识别肿瘤类型为恶性或良性的医学应用中，误诊可能是灾难性的。模糊支持向量机 (FSVM) 等方法试图通过赋予离群点较低权重来减少错位训练点的影响。然而，仍存在与两类都相似的不确定点，仅凭给定信息将其归类会导致错误。在本文中，我们提出了一种两阶段分类方法，该方法以概率方式将不确定点分配给各个类别。所提出的方法应用于由 569 个实例组成的 Breast Cancer Wisconsin (Diagnostic) Dataset，包含恶性和良性两类。该方法以概率 1 将确定实例分配给其适当的类别，并以相关概率将不确定实例分配给各个类别。因此，基于不确定程度，医生可以在做出最终诊断前建议进一步检查。

关键词

概率分类模糊支持向量机 FSVM 医学应用肿瘤诊断不确定点 Breast Cancer Wisconsin 数据集两阶段分类

引用

@article{arxiv.1304.3345,
  title  = {Probabilistic Classification using Fuzzy Support Vector Machines},
  author = {Marzieh Parandehgheibi},
  journal= {arXiv preprint arXiv:1304.3345},
  year   = {2013}
}

备注

6 pages, Proceedings of the 6th INFORMS Workshop on Data Mining and Health Informatics (DM-HI 2011)

基于模糊支持向量机的概率分类

摘要

关键词

引用

备注

相关论文