一种广义不可分的支持向量机算法

• 作者: 吴宗亮 邹永祥
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 广义支持向量机 最优分类面 识别错误 高分辨雷达距离像
• 年，卷（期）: 2015,（2）
• 页码范围: 434-440
• 页数: 7页
• 分类号: TP391.4
• 字数: 4726字
• 语种: 中文
• DOI: 10.16337/j.1004-9037.2015.02.023

摘要

针对标准的 C-SVM(C-support vector machine)算法在处理很多实际分类问题时，对识别错误代价损失差异很大的极端情况表现出的局限性，提出一种通用的广义支持向量机算法。根据识别错误后所付出的代价，可以把最优分类面向代价损失低的一方进行推移，留给代价损失高的一方更大的空间，提高其识别率，从而减小识别错误后带来的代价损失。该方法进一步提高了标准 C-SVM 的适用性以及样本的正确识别率，将新算法应用到高分辨雷达距离像的识别中，实验证明，广义 C-SVM 能取得比传统 C-SVM 更好的识别效果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴宗亮	宜宾学院计算机科学与技术研究所	8	44	4.0	6.0
3	邹永祥	宜宾学院计算机科学与技术研究所	9	33	4.0	5.0