基于主次原型超平面最接近支持向量机

• 作者: 侯艳平 沈洁 王正群 马波
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 最接近支持向量机 广义特征值 原型超平面
• 年，卷（期）: 2009,（1）
• 所属期刊栏目: 研究与实现
• 页码范围: 148-150
• 页数: 3页
• 分类号: TP181
• 字数: 3038字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2009.01.042

摘要

基于广义特征值的最接近支持向量机GEPSVM是一种新的具有与SVM性能相当的两类分类方法,通过求解广义特征值来获得两个彼此不平行的拟合两类样本的超平面,其决策规则是将测试样本归为距其最近的超平面所在的类.然而,该规则在某些情形会导致较差的分类结果.对此,本文提出了在利用GEPSVM产生一个主原型超平面的基础上,再利用主原型超平面及它类样本的信息构造一个次原型超平面,形成一个由主次原型超平面共同决策的最接近支持向量机.该方法不仅简单且易于实现,而且具有较GEPSVM更优的分类性能.在UCI数据集上的实验验证了它的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王正群	扬州大学信息工程学院	59	362	10.0	16.0
2	沈洁	扬州大学信息工程学院	68	1143	14.0	33.0
3	侯艳平	扬州大学信息工程学院	10	37	3.0	5.0
4	马波	扬州大学信息工程学院	6	20	3.0	4.0