一种基于支持向量机中分离超平面求取的算法

被引：4

作者：

易校石 ^{[1
]}

刘念 ^{[2
]}

机构：

[1] 重庆师范大学数学科学学院

[2] 重庆大学数学科学学院

来源：

重庆工商大学学报(自然科学版) | 2018年 / 35卷 / 03期

关键词：

支持向量机; 分离超平面; 分类算法; 凸二次规划; 机器学习;

D O I：

10.16055/j.issn.1672-058X.2018.0003.011

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

支持向量机的关键在于获取分离超平面,先用感知机的迭代算法获取初始分离超平面,然后将初始分离超平面不断地旋转和平移,直至几何间隔达到最大且完全分离训练数据集,此时的分离超平面就近似支持向量机的分离超平面,分类效果最好,并使用分类数据进行检验,说明此方法有效。

引用

页码：66 / 69

页数：4

共 8 条

[1] 用于不平衡数据分类的模糊支持向量机算法 [J].

鞠哲 ;

曹隽喆 ;

顾宏 .

大连理工大学学报, 2016, 56 (05) :525-531

[2] 基于Bootstrapping支持向量机算法的森林干扰遥感监测 [J].

李天宏 ;

张洁 ;

魏江月 .

应用基础与工程科学学报, 2015, (02) :308-317

[3] 基于Hadoop平台下的Canopy-Kmeans高效算法 [J].

赵庆 .

电子科技, 2014, 27 (02) :29-31

[4] 增量和减量式标准支持向量机的分析 [J].

顾彬 ;

郑关胜 ;

王建东 .

软件学报, 2013, 24 (07) :1601-1613

[5] 局部支持向量机的研究进展 [J].

尹传环 ;

牟少敏 ;

田盛丰 ;

黄厚宽 ;

朱莹莹 .

计算机科学, 2012, 39 (01) :170-174+189

[6]

Diagnostics of Filtered Analog Circuits with Tolerance Based on LS-SVM Using Frequency Features[J] . Bing Long,Shulin Tian,Houjun Wang. Journal of Electronic Testing . 2012 (3)

[7] Support vector machine with genetic algorithm for machinery fault diagnosis of high voltage circuit breaker [J].

Huang, Jian ;

Hu, Xiaoguang ;

Yang, Fan .

MEASUREMENT, 2011, 44 (06) :1018-1027

[8]

SVM Algorithm Optimization Based on Distributed Computing .2 GUO X X. Xidian University . 2014

← 1 →