最值间距支持向量机

摘要：

GEPSVM(Proximal Support Vector Machine Classification via Generalized Eigenvalues)是近年提出来的一种新的二分类SVM,其核心思想是通过求解广义特征方程得到两个最优超平面,然后通过计算样本到超平面的距离来决定样本所属类别.与传统SVM相比,GEPSVM降低了时间复杂度,但仍存在奇异性等问题.提出了一种新的算法TDMSVM(Twin Distance of Minimum and Maximum Support Vector Machine),其通过求解标准特征方程得到两个最优超平面,使超平面满足到本类样例的平均距离最小化,同时到另一类样例的平均距离最大化.通过理论分析和实验证明,与GEPSVM相比,TDMSVM有以下优势:进一步降低了时间复杂度；不需引入正则项,从而提高了泛化性能；克服了奇异性.

关键词：模式识别、特征向量、支持向量机、拉格朗日乘子法

所属期刊栏目：39

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金项目61170145;山东省自然科学基金项目ZR2010FM021;山东省科技攻关计划项目2010G0020115;山东省电子发展基金项目2008B0026;山东省教育厅科研项目J09LG02

在线出版日期：2012-07-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：205-209