南京大学学报（自然科学版）
南京大學學報（自然科學版）
남경대학학보（자연과학판）
JOURNAL OF NANJING UNIVERSITY(NATURAL SCIENCES)
2006年
4期
368-372
,共5页
支持向量机%直接支持向量机%最优分类面
支持嚮量機%直接支持嚮量機%最優分類麵
지지향량궤%직접지지향량궤%최우분류면
DirectSVM算法是求解支持向量机的一种简单快速迭代算法,具有最好的几何直观性.算法将线性可分的两类样本中距离最近的两个异类样本点作为支持向量,以该两点连线的垂直平分面作为初始分类超平面,然后根据分类情况逐步确定新的支持向量,即逐步优化出最优分类超平面.对该算法进行了测试,发现该算法具有局限性,并对算法局限性产生的根源进行了分析,对如何合理使用DirectSVM算法进行了讨论.结论是:用DirectSVM算法直接求解最优分类面是不可靠的,但可以作为支持向量机的一种近似算法,也可以作为求解候选支持向量集的方法,再与其他经典算法结合使用.
DirectSVM算法是求解支持嚮量機的一種簡單快速迭代算法,具有最好的幾何直觀性.算法將線性可分的兩類樣本中距離最近的兩箇異類樣本點作為支持嚮量,以該兩點連線的垂直平分麵作為初始分類超平麵,然後根據分類情況逐步確定新的支持嚮量,即逐步優化齣最優分類超平麵.對該算法進行瞭測試,髮現該算法具有跼限性,併對算法跼限性產生的根源進行瞭分析,對如何閤理使用DirectSVM算法進行瞭討論.結論是:用DirectSVM算法直接求解最優分類麵是不可靠的,但可以作為支持嚮量機的一種近似算法,也可以作為求解候選支持嚮量集的方法,再與其他經典算法結閤使用.
DirectSVM산법시구해지지향량궤적일충간단쾌속질대산법,구유최호적궤하직관성.산법장선성가분적량류양본중거리최근적량개이류양본점작위지지향량,이해량점련선적수직평분면작위초시분류초평면,연후근거분류정황축보학정신적지지향량,즉축보우화출최우분류초평면.대해산법진행료측시,발현해산법구유국한성,병대산법국한성산생적근원진행료분석,대여하합리사용DirectSVM산법진행료토론.결론시:용DirectSVM산법직접구해최우분류면시불가고적,단가이작위지지향량궤적일충근사산법,야가이작위구해후선지지향량집적방법,재여기타경전산법결합사용.
