偏置b对支持向量机分类问题泛化性能的影响

• 作者: 丁晓剑 赵银亮
• 来源期刊: 自动化学报
• 关键词: 偏置 支持向量机 泛化性能 有效集
• 年，卷（期）: 2011,（9）
• 所属期刊栏目: 论文与报告
• 页码范围: 1105-1113
• 页数: 9页
• 语种: 中文
• DOI: 10.3724/SP.J.1004.2011.01105

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵银亮		52	517	12.0	21.0
2	丁晓剑		6	45	3.0	6.0