支持向量机模型分类能力指标的统计分析  

Statistic analysis of classification based on support vector machine

作　　者：刘昕[1] 刘云生[2] 王正[1] 

机构地区：[1]华中科技大学计算机学院,武汉430074 [2]华中科技大学软件学院,武汉430074

出　　处：《计算机应用研究》2011年第2期525-528,共4页Application Research of Computers

摘　　要：在支持向量机(support vector machines,SVM)中,如何衡量SVM的分类能力,最小化风险泛函是一个重要的指标。根据支持向量机小样本特点,给出了支持向量机分类能力的一个量化标准:最优超平面的可靠度β。详细讨论了β的下界和置信区间,并给出了在实际应用中,如何根据样本数据估计β的下界和置信区间。实验也证明了β的下界估计和置信区间的合理性、有效性。In the support vector machine,minimize the risk functional is an important indicator to measure the classification ability.According to characteristics of SVM,this paper presented a quantitative criteria of the classification based on SVM：β,which was the reliability of the optimal hyperplane.Discussed the statistical properties of β,and presented a method of the estimation on the lower bound and confidence interval of β.The results of simulation show the rationality and effectiveness of the estimation of β.

关 键 词：支持向量机 下界估计 置信区间 

分 类 号：TP311[自动化与计算机技术—计算机软件与理论]