基于后验概率的支持向量机

被引：12

作者：

吴高巍

陶卿

王珏

机构：

[1] 中国科学院计算技术研究所智能信息处理开放实验室

[2] 中国科学院自动化研究所复杂系统与智能科学实验室

来源：

计算机研究与发展 | 2005年 / 02期

关键词：

支持向量机; 分类; 后验概率; 间隔; 最大间隔算法; 非确定性分类问题;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

摘要：

在支持向量机 (supportvectormachines ,SVM )中 ,训练样本总是具有明确的类别信息 ,而对于一些不确定性问题并不恰当受贝叶斯决策规则的启发 ,利用样本的后验概率来表示这种不确定性将贝叶斯决策规则与SVM相结合 ,建立后验概率支持向量机 (posterioriprobabilitysupportvectorma chine ,PPSVM )的体系框架并详细讨论线性可分性、间隔、最优超平面以及软间隔算法 ,得到了一个新的优化问题 ,同时给出了一个支持向量的新定义实际上 ,后验概率支持向量机是建立于统计学习理论(statisticallearningtheory)基础之上 ,是标准SVM的扩展针对数据 ,还提出了一个确定后验概率的经验性方法实验也证明了后验概率支持向量机的合理性、有效性

引用

页码：196 / 202

页数：7