最值间距支持向量机

• 作者: 张化祥 王至超
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 模式识别 特征向量 支持向量机 拉格朗日乘子法
• 年，卷（期）: 2012,（4）
• 所属期刊栏目: 人工智能
• 页码范围: 205-209
• 分类号: TP18
• 字数: 3650字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-137X.2012.04.047

摘要

GEPSVM(Proximal Support Vector Machine Classification via Generalized Eigenvalues)是近年提出来的一种新的二分类SVM,其核心思想是通过求解广义特征方程得到两个最优超平面,然后通过计算样本到超平面的距离来决定样本所属类别.与传统SVM相比,GEPSVM降低了时间复杂度,但仍存在奇异性等问题.提出了一种新的算法TDMSVM(Twin Distance of Minimum and Maximum Support Vector Machine),其通过求解标准特征方程得到两个最优超平面,使超平面满足到本类样例的平均距离最小化,同时到另一类样例的平均距离最大化.通过理论分析和实验证明,与GEPSVM相比,TDMSVM有以下优势:进一步降低了时间复杂度；不需引入正则项,从而提高了泛化性能；克服了奇异性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张化祥		27	128	7.0	9.0
2	王至超	山东师范大学信息科学与工程学院	3	12	2.0	3.0