偏置b对支持向量机分类问题泛化性能的影响

摘要：

Poggio指出支持向量机(Support vector machine,SVM)中偏置b项是为了保证核函数的正定性,当使用的核函数为正定核时,b就不需要存在.为了验证b对SVM分类问题泛化性能的影响,研究了无b SVM的优化问题并给出了相应的有效集求解算法.通过XOR分类问题的实验研究得出约束条件∑N1yiαi=0会影响SVM得到最佳分类超平面.实验中的基准数据集包括了中小数据集、大规模数据集、高维数据集和多类分类数据集,并使用高斯正定核和多项式正定核作为核函数.基于26个标准数据集的实验表明无b SVM在分类问题中的计算代价要低于SVM,泛化性能要好于SVM.参数敏感性测试表明无b SVM对代价参数变化不太敏感,这使得无b SVM能在较少的参数值对中得到最佳测试精度.

关键词：偏置、支持向量机、泛化性能、有效集

所属期刊栏目：37

分类号：TP18(自动化基础理论)

在线出版日期：2012-02-21（万方平台首次上网日期，不代表论文的发表时间）

页码：1105-1113