مدل بهينه‌سازي براي مسأله ماشين بردار پشتيبان با تابع جريمه تكه‌اي خطي

ماشين بردار پشتيبان (SVM)، يكي از رويكردهاي موفق در حل مسائل دسته‌بندي است و از جنبه مدل‌سازي، تاكنون توسعه‌هاي مختلفي براي آن مطرح شده است. اين مقاله، به ارائه يك مدل بهينه‌سازي جديد براي مسأله SVM مي‌پردازد كه در آن از تابع تكه‌اي خطي محدب به عنوان تابع جريمه استفاده مي‌گردد كه مي‌تواند هنگامي كه داده‌هاي مسأله دچار نويز هستند، مفيد واقع شود. همچنين، براي تنظيم پارامترهاي مدل، روش فراابتكاري ازدحام جمعي ذرات پيشنهاد مي‌شود. نتايج محاسباتي روي طيفي از داده‌هاي واقعي نشان مي‌دهند كه در مقايسه با مدل كلاسيك SVM، بكارگيري مدل جديد به طور متوسط مقدار شاخص‎‌هاي دقت و امتياز-F روي داده‌هاي آزمايشي را به ترتيب به ميزان0.95 و 4.6 درصد بهبود مي‌دهد. همچنين، در مقايسه با مدل وزن‌دار SVM، مدل جديد منجر به بهبود 4.2 و 4.3 درصدي به ترتيب در مقادير شاخص‌هاي مذكور خواهد شد.