一种抗噪音的支持向量机学习方法

摘要：

支持向量机是在统计学习理论的基础上发展起来的新一代学习方法，广泛应用于分类问题。但支持向量机对噪音点很敏感，容易产生过学习现象，减弱其泛化能力。本文提出一种抗噪音的支持向量机学习新方法，利用支持向量机良好的学习能力，首先对训练样本进行训练，再对训练样本进行去噪处理，去除噪音点和孤立点，最后进行二次学习得到更优的支持向量机。实验证明用本方法学习到的支持向量机具有更好的分类精度和泛化能力。

关键词： 统计学习理论 支持向量机 噪音点 分类精度 学习能力 泛化能力

作者: 史晓涛 刘建丽 骆玉荣

作者单位: 北京工业大学计算机学院,北京 100022

会议类型: 国内会议

会议名称: 全国第19届计算机技术与应用学术会议(CACIS·2008)

会议地点: 合肥

会议语种:中文

页码: 889-893

在线出版日期: 2008-07-15（万方平台首次上网日期，不代表论文的发表时间）