最大间隔最小体积球形支持向量机

被引：22

作者：

文传军 ^{[1
,2
]}

詹永照 ^{[1
]}

陈长军 ^{[1
]}

机构：

[1] 江苏大学计算机科学与通信工程学院

[2] 常州工学院理学院

来源：

控制与决策 | 2010年 / 01期

关键词：

支持向量机; 支持向量数据描述; 类间最大分类间隔; 类内最小描述体积; 球形支持向量机;

D O I：

10.13195/j.cd.2010.01.82.wenchj.008

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

结合支持向量机(SVM)类间最大分类间隔和支持向量数据描述(SVDD)类内最小描述体积思想,提出一种新的学习机器模型——最大间隔最小体积球形支持向量机(MMHSVM).模型建立两个大小不一的同心超球,将正负类样本分别映射到小超球内和大超球外,模型目标函数最大化两超球间隔,实现正负类类间间隔的最大化和各类类内体积的最小化,提高了模型的分类能力.理论分析和实验结果表明该算法是有效的.

引用

页码：79 / 83

页数：5

共 6 条

[1] 使用超椭球参数化坐标的支持向量机 [J].

张钦礼 ;

王士同 ;

郭琦 .

控制与决策 , 2008, (06) :626-630+636

[2]

Interactive early warning technique based on SVDD[J]. Lin Jian~(1,2) Peng Minjing~(1,2) 1.School of Business Administration,South China Univ.of Technology,Guangzhou 510641,F.R.China;2.Systems Science & Technology Inst,Wuyi Univ.,Jiangmen 529020,P.R.China.Journal of Systems Engineering and Electronics. 2007(03)

[3] A new maximal-margin spherical-structured multi-class support vector machine [J].

Hao, Pei-Yi ;

Chiang, Jung-Hsien ;

Lin, Yen-Hsiu .

APPLIED INTELLIGENCE, 2009, 30 (02) :98-111

[4] Support vector data description [J].

Tax, DMJ ;

Duin, RPW .

MACHINE LEARNING, 2004, 54 (01) :45-66

[5] SUPPORT-VECTOR NETWORKS [J].

CORTES, C ;

VAPNIK, V .

MACHINE LEARNING, 1995, 20 (03) :273-297

[6]

Customizing kernel functions for SVM-based hyperspectral i mage classification .2 Guo B F,Gunn S R,Damper R I,et al. IEEE Trans on I mage Processing . 2008

← 1 →