最小类方差支持向量机与零空间分类器的集成

摘要：

最小类方差支持向量机(MCVSVM)充分考虑数据的分布信息,但是在小样本情况下却仅利用类内散度矩阵非零空间中的信息.为了综合利用类内散度矩阵非零空间和零空间中的信息来进一步提高分类性能,文中首先在零空间中建立一种分类器--零空间分类器(NSC),然后再把MCVSVM和NSC进行融合,从而进一步提出集成分类器(EC).不同于MCVSVM和NSC,EC综合考虑非零空间和零空间中的信息,体现出更强的泛化能力.最后通过实验验证算法的有效性.

关键词：监督学习、支持向量机(SVM)、最小类方差支持向量机(MCVSVM)

所属期刊栏目：23

分类号：TP181(自动化基础理论)

资助基金：国家863计划项目2007AA1Z158、2006AA10Z313;国家自然科学基金项目60704047;国家自然科学基金重大项目9082002

在线出版日期：2010-11-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：441-449