基于闭凸包收缩的最大边缘线性分类器

• 作者: 孙德敏 方廷健 范劲松 陶卿
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 闭凸集 收缩 支持向量 最大边缘 分类器
• 年，卷（期）: 2002,（3）
• 页码范围: 404-409
• 页数: 6页
• 分类号: TP18
• 字数: 3715字
• 语种: 中文

摘要

SVM(support vector machines)是一种基于结构风险最小化原理的分类技术.给出实现结构风险最小化原理(最大边缘)的另一种方法.对线性可分情形,提出一种精确意义下的最大边缘算法,并通过闭凸包收缩的概念,将线性不可分的情形转化为线性可分情形.该算法与SVM算法及其Cortes软边缘算法异曲同工,但理论体系简单、严谨,其中的优化问题几何意义清楚、明确.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙德敏	中国科学技术大学自动化系	100	1556	21.0	34.0
2	方廷健	中国科学院合肥智能机械研究所	50	2136	22.0	46.0
3	陶卿	中国科学院自动化研究所	23	501	8.0	22.0
7	范劲松	中国科学院合肥智能机械研究所	5	327	5.0	5.0