大间隔分类学习研究现状

• 作者: 潘巍 苏小红 马培军
• 来源期刊: 智能计算机与应用
• 学科: 工学
• 关键词: 间隔 分类学习 机器学习
• 年，卷（期）: 2013,（6）
• 页码范围: 44-46,49
• 页数: 4页
• 分类号: TP391.41
• 字数: 3867字
• 语种: 中文

摘要

在机器学习领域中,间隔扮演着重要的角色.可以用来度量分类的置信度;其理论泛化界也可用于指导分类算法的设计.近年来,该理论已广泛应用于特征选择,分类器训练和集成学习.实际上,间隔思想表明如果在训练阶段模型能够产生大的间隔,那么分类任务将有好的置信度和高可靠性.文中介绍大间隔分类学习方法的研究现状,并给出了其存在的问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	苏小红	哈尔滨工业大学计算机科学与技术学院	152	1551	20.0	34.0
2	马培军	哈尔滨工业大学计算机科学与技术学院	93	639	14.0	20.0
6	潘巍	哈尔滨工业大学计算机科学与技术学院	3	4	1.0	1.0