|
|||||
|
|
| 一种广义不可分支持向量机算法 | |
| 引用本文： | 邹永祥,吴宗亮.一种广义不可分支持向量机算法[J].数据采集与处理,2015,30(2):434-440. |
| 作者姓名： | 邹永祥 吴宗亮 |
| 作者单位： | 宜宾学院计算机科学与技术研究所；宜宾学院计算机科学与技术研究所 |
| 摘 要： | 针对标准的C-SVM(C-support vector machine)算法在处理很多实际分类问题时，对识别错误代价损失差异很大的极端情况表现出的局限性，提出一种通用的
广义支持向量机算法。根据识别错误后所付出的代价，可以把最优分类面向代价损失低的一方进行推移，留给代价损失高的一方更大的空间，提高其识别率，从而减小识别错误后带来的代价损失。该方法进一步提高了标准C SVM的适用性以及样本的正确识别率，将新算法应用到高分辨雷达距离像的识别中，实验证明,广义C-SVM能取得比传统C-SVM更好的识别效果。 |
| 关 键 词： | 广义支持向量机 最优分类面 识别错误 高分辨雷达距离像 |
Generalized C-Support Vector Machine Algorithm |
|
| Zou Yongxiang,Wu Zongliang.Generalized C-Support Vector Machine Algorithm[J].Journal of Data Acquisition & Processing,2015,30(2):434-440. | |
| Authors: | Zou Yongxiang Wu Zongliang |
| Affiliation: | Institute for Computer Science & Technology, Yibin University;Institute for Computer Science & Technology, Yibin University |
| Abstract: | |
| Keywords: | generalized C-support vector machine optimal separating hyperplane recognition error radar high resolution range profile |
| 本文献已被 万方数据 等数据库收录！ | |
| 点击此处可从《数据采集与处理》浏览原始摘要信息 | |
| 点击此处可从《数据采集与处理》下载全文 | |
