10.3969/j.issn.1007-449X.2013.03.016
特征空间最小数据分布最大间隔支持向量机
为提高支持向量机的泛化能力,根据统计学习理论中学习机推广能力的界和VC维理论,提出了一种同时以特征空间中样本数据分布半径最小化和类间间隔最大化为优化目标的支持向量机模型.通过合理设计其目标函数,将该支持向量机的建模问题转化为二次规划问题,从而可以采用与传统SVM相似的算法快速实现.用UCI数据库中的部分数据进行了仿真,实验证明与传统的SVM相比,在分类准确度不降低,且有所提高的基础上,使其支持向量的数目得到减少;在支持向量数目相近的情况下,预测精度得到提高.体现出更强的泛化能力.
支持向量机、泛化性能、数据分布、分类
17
TF181(冶金技术)
国家自然科学基金重点项目61134006;国家自然科学基金青年项目61105080;湖南省自然科学基金青年项目11JJ4057;湖南省教育厅资助项目10C0696
2013-07-24(万方平台首次上网日期,不代表论文的发表时间)
共5页
105-109