支持向量机模型分类能力指标的统计分析

• 作者: 刘云生 刘昕 王正
• 来源期刊: 计算机应用研究
• 关键词: 支持向量机 下界估计 置信区间
• 年，卷（期）: 2011,（2）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 525-528
• 分类号: TP311
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2011.02.033

摘要

在支持向量机(support vector machines,SVM)中,如何衡量SVM的分类能力,最小化风险泛函是一个重要的指标.根据支持向量机小样本特点,给出了支持向量机分类能力的一个量化标准:最优超平面的可靠度β.详细讨论了β的下界和置信区间,并给出了在实际应用中,如何根据样本数据估计β的下界和置信区间.实验也证明了β的下界估计和置信区间的合理性、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	刘云生	华中科技大学软件学院	179	2028	24.0	33.0
2	刘昕	华中科技大学计算机学院	9	53	6.0	7.0
3	王正	华中科技大学计算机学院	1	8	1.0	1.0