最小体积覆盖椭球容差SVM分类器设计新方法
提出了基于最小体积覆盖椭球的容差SVM分类器设计新方法。对于二类支持向量机容差分类器设计，这种方法首先通过优化方法分别获得欧氏空间以及再造核空间下的最小体积覆盖椭球并获得椭球形状矩阵。其次，定义了Mahalanobis变换，推广定义Mahalanobis间隔。再次，通过Mahalanobis变换将原始数据转换为球形分布。最后，引入最大化Mahalanobis间隔至标准支持向量机模型，从而得到容差SVM分类器，并将其应用到国际UCI机器学习标准数据库，计算结果表明该方法可有效提高准确率。初步研究表明，这种方法得到的容差分类器比基于最小体积覆盖超球得到的容差分类器具有更低的VC维，而且将最小体积覆盖椭球计算过程不涉及求逆，从而保证计算模型具有适度的复杂度;这种方法由于引入Mahalanobis距离，使得得到的分类器与输入尺度无关。
支持向量机 最小体积覆盖椭球 容差分类器 VC维
尉询楷 李应红 东岩
空军工程大学工程学院，陕西西安 710038 北京航空工程技术中心，北京 100076 空军工程大学工程学院，陕西西安 710038 北京航空工程技术中心，北京 100076
国内会议
北京
中文
78-86
2007-12-11（万方平台首次上网日期，不代表论文的发表时间）