线性可分问题的支撑向量稳健感知器及其几何训练算法

• 作者: 张军英 范丽 陈森林
• 来源期刊: 微电子学与计算机
• 关键词: 稳健分类 感知器 支撑向量
• 年，卷（期）: 2004,（6）
• 页码范围: 31-34
• 页数: 4页
• 分类号: TP18
• 语种: 中文
• DOI: 10.3969/j.issn.1000-7180.2004.06.009

摘要

分类器的稳健性能是分类器的重要性质之一.支撑向量机SVM和稳健感知器得到的都是最优分类面,都具有很强的稳健性能.SVM构造的是到所有支撑向量(距分类面最近的样本)等距离的最优分类面,SVM算法需要求解一个二次型寻优问题;而稳健感知器构造的是到所有基(各模式类的边界样本)距离都较远的最优分类面,稳健感知器需要求解一系列的线性规划.文章在二者的基础上提出了适用于线性可分问题的支撑向量稳健感知器及其几何训练算法,它将问题转化成了一系列的线性方程组,它将比SVM的二次型寻优具有更快的速度.实验仿真表明了该算法的高效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈森林		10	29	4.0	5.0
5	张军英		113	2001	25.0	41.0
6	范丽		9	46	3.0	6.0