优化样本分布的最接近支持向量机

• 作者: 杨勃
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 最接近支持向量机 优化样本分布 正则化技术
• 年，卷（期）: 2014,（12）
• 所属期刊栏目: 学术论文
• 页码范围: 2429-2434
• 页数: 6页
• 分类号: TN911.23
• 字数: 4643字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2014.12.014

摘要

当两类样本分布存在差异时，最接近支持向量机（Proximal Support Vector Machine，PSVM）等最小二乘类分类器分类结果将出现偏差，不能实现最小错误率分类。本文在分析PSVM等价广义特征值分解模型基础上，提出了一种改善原PSVM分类决策面的优化样本分布PSVM，其基本思想是通过引入最大化正确分类样本距决策面距离，同时最小化错误分类样本距决策面距离的优化样本分布正则化项，构造优化样本分布PSVM的广义特征值分解模型。通过人工数据集和UCI数据集的10个数据子集上的对比实验，验证了该改进分类模型能够有效调整决策边界，从而获得更好的分类效果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨勃	湖南理工学院信息与通信工程学院	27	63	4.0	6.0