文献类型：期刊文章

作　　者：杨迪[1] 方扬鑫[1] 周彦[1]

YANG Di;FANG Yangxin;ZHOU Yan(College of Mathematics and Statistics,Shenzhen University,Shenzhen Guangdong 518060,China)

机构地区：[1]深圳大学数学与统计学院,广东深圳518060

出　　处：《广西师范大学学报（自然科学版）》

基　　金：国家自然科学基金(12071305,11871390,11871411);广东省自然科学基金(2020B1515310008)。

年　　份：2022

卷　　号：40

期　　号：1

起止页码：57-67

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAB、CAS、IC、PROQUEST、RCCSE、WOS、ZGKJHX、ZMATH、核心刊

摘　　要：有1份仅含A类与B类的训练集,与1份包含不止这2个类别的测试集,如何对测试集中的样本进行分类?针对这个问题,本文提出3种基于SVM方法和最小包围球方法(minimum enclosing ball,MEB)的新类别分类方法。这3种新类别分类方法不仅解决了SVM不能正确判别新类别的缺点,而且在实际数据分析中获得了较好的效果。本文使用乳腺癌分子分型数据进行分析,最终样本分类准确率可达90%以上,新类别样本分类正确率可达99%以上。

关 键 词：机器学习  多分类问题 支持向量机 MEB  SVDD

分 类 号：R737.9] TP18[临床医学类]