模式识别与人工智能
模式識彆與人工智能
모식식별여인공지능
Moshi Shibie yu Rengong Zhineng
2009年
1期
8-16
,共9页
支持向量机(SVM)%总间隔支持向量机(TM-SVM)%总间隔ν-支持向量机(TM-ν-SVM)%压缩凸包(CCH)%几何算法
支持嚮量機(SVM)%總間隔支持嚮量機(TM-SVM)%總間隔ν-支持嚮量機(TM-ν-SVM)%壓縮凸包(CCH)%幾何算法
지지향량궤(SVM)%총간격지지향량궤(TM-SVM)%총간격ν-지지향량궤(TM-ν-SVM)%압축철포(CCH)%궤하산법
提出总间隔ν=支持向量机(TM-ν-SVM),该算法可取得比ν-SVM更好的理论分类性能.研究表明TM-ν-SVM等价于求解特征空间中的两个压缩凸包的最近点对.讨论压缩凸包的相关性质,并给出对应的几何算法.数值模拟实验表明TM-ν-SVM和对应的几何算法可取得比其它算法更好的性能.
提齣總間隔ν=支持嚮量機(TM-ν-SVM),該算法可取得比ν-SVM更好的理論分類性能.研究錶明TM-ν-SVM等價于求解特徵空間中的兩箇壓縮凸包的最近點對.討論壓縮凸包的相關性質,併給齣對應的幾何算法.數值模擬實驗錶明TM-ν-SVM和對應的幾何算法可取得比其它算法更好的性能.
제출총간격ν=지지향량궤(TM-ν-SVM),해산법가취득비ν-SVM경호적이론분류성능.연구표명TM-ν-SVM등개우구해특정공간중적량개압축철포적최근점대.토론압축철포적상관성질,병급출대응적궤하산법.수치모의실험표명TM-ν-SVM화대응적궤하산법가취득비기타산법경호적성능.
