文件名称：偏置b对支持向量机分类问题泛化性能的影响
文件大小：411KB
文件格式：PDF
更新时间：2016-08-30 06:21:15
支持向量机
Poggio 指出支持向量机(Support vector machine, SVM) 中偏置b 项是为了保证核函数的正定性, 当使用的核函数 为正定核时, b 就不需要存在. 为了验证b 对SVM 分类问题泛化性能的影响, 研究了无b SVM 的优化问题并给出了相应的有 效集求解算法. 通过XOR 分类问题的实验研究得出约束条件PN 1 yi®i = 0 会影响SVM 得到最佳分类超平面. 实验中的基 准数据集包括了中小数据集、大规模数据集、高维数据集和多类分类数据集, 并使用高斯正定核和多项式正定核作为核函数. 基于26 个标准数据集的实验表明无b SVM 在分类问题中的计算代价要低于SVM, 泛化性能要好于SVM. 参数敏感性测试 表明无b SVM 对代价参数变化不太敏感, 这使得无b SVM 能在较少的参数值对中得到最佳测试精度.