总间隔v-支持向量机及其几何问题  

Total Margin v-Support Vector Machine and Its Geometric Problem

作　　者：彭新俊[1,2] 王翼飞[3] 

机构地区：[1]上海师范大学计算数学系,上海200234 [2]上海师范大学数理信息学院上海高校"科学计算"重点实验室,上海200234 [3]上海大学数学系,上海200444

出　　处：《模式识别与人工智能》2009年第1期8-16,共9页Pattern Recognition and Artificial Intelligence

基　　金：国家自然科学基金项目(No.30571059);国家863计划项目(No.2006AA02Z190)资助

摘　　要：提出总间隔v-支持向量机(TM-v-SVM),该算法可取得比v-SVM更好的理论分类性能.研究表明TM-v-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-v-SVM和对应的几何算法可取得比其它算法更好的性能.A total margin v-support vector machine （TM-v-SVM ） is presented and it has better theoretical classification performance than v-SVM. The theoretical research shows that the TM-v-SVM is equivalent to the problem of finding the closest pair of points between two compressed convex hulls （CCHs） in the feature space. A geometric algorithm based on the theoretical properties of CCHs is proposed. Simulation results show that the TM-v-SVM and its geometric algorithm have better performance than the previous methods.

关 键 词：支持向量机(SVM) 总间隔支持向量机(TM—SVM) 总间隔v-支持向量机(TM-v-SVM) 压缩凸包(CCH) 几何算法 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]