具有抗噪凸包的快速鲁棒支持向量机及其在大规模ncRNA数据分类中的应用

支持向量机（SVM）通过在非编码RNA（ncRNA）数据中的应用获得成功的分类性能。 随着ncRNA序列种类和大小的Swift增加，已经开发了几种基于数据分布和轮廓信息的快速SVM方法来减少其时间复杂性。 但是，它们对噪声和班级不平衡问题都很敏感。 本文提出了一种具有抗噪声凸包的快速，强大的支持向量机，用于大规模ncRNA数据分类（称为FRSVM-ANCH）。 FRSVM-ANCH丢弃特征空间中的异常值，并获得不同类别的凸包。 然后，将凸包作为训练数据及其权重用于训练SVM。 由于对噪声的敏感性较低，因此在SVM分类器中采用了弹球损失。 理论分析和实验结果验证了FRSVM-ANCH在大规模嘈杂和不平衡ncRNA数据集上的分类性能和训练时间方面的优势。