总间隔v-支持向量机及其几何问题<sup>*</sup>

摘要
图/表
参考文献
相关文章 (15)

全文: PDF (1059 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要提出总间隔v-支持向量机(TM-v-SVM)，该算法可取得比v-SVM更好的理论分类性能. 研究表明TM-v-SVM等价于求解特征空间中的两个压缩凸包的最近点对. 讨论压缩凸包的相关性质，并给出对应的几何算法. 数值模拟实验表明TM-v-SVM和对应的几何算法可取得比其它算法更好的性能.

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	彭新俊
	王翼飞

关键词 ：支持向量机(SVM), 总间隔支持向量机(TM-SVM), 总间隔v-支持向量机(TM-v-SVM), 压缩凸包(CCH), 几何算法

Abstract：A total margin v-support vector machine (TM-v-SVM) is presented and it has better theoretical classification performance than v-SVM. The theoretical research shows that the TM-v-SVM is equivalent to the problem of finding the closest pair of points between two compressed convex hulls (CCHs) in the feature space. A geometric algorithm based on the theoretical properties of CCHs is proposed. Simulation results show that the TM-v-SVM and its geometric algorithm have better performance than the previous methods.

Key words： Support Vector Machine (SVM) Total Margin Support Vector Machine (TM-SVM) Total Margin v-Support Vector Machine (TM-v-SVM) Compressed Convex Hull (CCH) Geometric Algorithm

收稿日期: 2007-12-03

ZTFLH:

TP181

基金资助:国家自然科学基金项目(No.30571059)、国家863计划项目(No. 2006AA02Z190)资助

作者简介: 彭新俊，男，1980年生，博士，主要研究方向为计算智能.E-mail: xjpeng@shnu.edu.cn.王翼飞，男，1948年生，教授，博士生导师，主要研究方向为计算智能、生物信息学.

引用本文:

彭新俊，王翼飞. 总间隔v-支持向量机及其几何问题^*[J]. 模式识别与人工智能, 2009, 22(1): 8-16. PENG Xin-Jun, WANG Yi-Fei. Total Margin v-Support Vector Machine and Its Geometric Problem. , 2009, 22(1): 8-16.

链接本文:

http://manu46.magtech.com.cn/Jweb_prai/CN/ 或 http://manu46.magtech.com.cn/Jweb_prai/CN/Y2009/V22/I1/8