多类支持向量机推广性能分析  

Generalization Performance Analysis of M-SVMs

作　　者：闫志刚[1,2,3] 杜培军[1,2] 

机构地区：[1]中国矿业大学环境与测绘学院,徐州221116 [2]江苏省资源环境信息工程重点实验室,徐州221116 [3]中国矿业大学深部岩土力学与地下工程国家重点实验室,徐州221008

出　　处：《数据采集与处理》2009年第4期469-475,共7页Journal of Data Acquisition and Processing

基　　金：国家重点基础研究发展计划(“九七三”计划)(2007CB209406)资助项目;国家自然科学基金(40401038,40802061)资助项目;中国博士后科学基金(20080441081)资助项目

摘　　要：为了分析多类支持向量机(Multi-category support vector machines,M-SVMs)的推广性能,对常用的M-SVMs算法加以概述,推导、总结了理论推广误差公式。对于给定的样本集,可以设计合理的编码来提高ECOCSVMs的推广性能,通过构造合理的层次结构来提高H-SVMs推广性能,其余M-SVMs算法的推广性能均取决于样本空间。研究结果为有效使用M-SVMs提供了依据,为改进M-SVMs指明了方向。To analyze the generalization performances of multi-category support vector machines （M-SVMs）, the M-SVMs algorithms are used to deduce and summary the theoretical generalization error bounds of M-SVMs. The research results show the ECOC SVMs performance can be improved by constructing suitable codes to a fixed sample space, and H-SVMs performance can be improved by constructing a suitable tree structure to increase M-SVMs performance, Other M-SVMs performances are limited to the sample space. The conclusions provide a theoretical basis for improving M-SVMs performances.

关 键 词：多类支持向量机 ECOC SVMS H—SVMs 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]