基于改进Joachims上界的SVM泛化性能评价方法

• 作者: 姚军 宋小杉 汪熙 蒋晓瑜
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 支持向量机 高斯核 泛化性能评价 改进Joachims上界
• 年，卷（期）: 2011,（6）
• 所属期刊栏目: 科研通信
• 页码范围: 1379-1383
• 分类号: TP18
• 字数: 4319字
• 语种: 中文

摘要

留一法(Leave One Out,LO0)错误率是评价支持向量机(Support Vector Machine,SVM)性能最准确方法,100错误率越小,SVM泛化性能越好.但LOO实现起来较为费时.因此人们提出了LOO错误率的各种上界作为近似,最有代表性的是Joachims上界和Jaakkola-Haussler上界.基于LO0上界的SVM泛化性能评价方法不但较为准确,而且耗时大大减小.本文首先证明了在径向基函数(Radial Basis Function,RBF)为核函数的SVM中,Joachims上界和JaakkolaHaussler上界是等价的;其次对Joachims上界进行理论分析,指出了其不足之处,并予以改进,得到了改进的Joachims上界;最后通过实验对LOO错误率、Jaakkola-Haussler上界、Joachims上界和改进的Joachims上界进行了比较,结果显示改进的Joachims上界比Jaakkola-Haussler上界和Joachims上界更加接近LOO错误率,是一种更加准确的SVM泛化性能评价方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蒋晓瑜	装甲兵工程学院控制工程系	65	485	12.0	19.0
2	宋小杉	装甲兵工程学院控制工程系	5	69	4.0	5.0
3	汪熙	装甲兵工程学院控制工程系	29	193	7.0	13.0
4	姚军	装甲兵工程学院控制工程系	15	184	9.0	13.0