共 3 条
基于闭凸包收缩的最大边缘线性分类器
被引：15
作者：
陶卿
孙德敏
范劲松
方廷健
机构：
[1] 中国科学院自动化研究所
[2] 中国科学技术大学自动化系
[3] 中国科学院合肥智能机械研究所
[4] 中国科学院合肥智能机械研究所 北京
[5] 中国人民解放军炮兵学院一系
[6] 安徽合肥
来源：
基金：
安徽省自然科学基金;
关键词：
闭凸集;
收缩;
支持向量;
最大边缘;
分类器;
D O I：
10.13328/j.cnki.jos.2002.03.012
中图分类号：
TP183 [人工神经网络与计算];
学科分类号：
081104 ;
0812 ;
0835 ;
1405 ;
摘要：
SVM(support vector machines)是一种基于结构风险最小化原理的分类技术.给出实现结构风险最小化原理(最大边缘)的另一种方法.对线性可分情形,提出一种精确意义下的最大边缘算法,并通过闭凸包收缩的概念,将线性不可分的情形转化为线性可分情形.该算法与SVM算法及其Cortes软边缘算法异曲同工,但理论体系简单、严谨,其中的优化问题几何意义清楚、明确.
引用
收藏
页码：404 / 409
页数：6
相关论文