超球面支持向量機方法的探討.pdf

1、分類技術(shù)是眾多應(yīng)用領(lǐng)域的關(guān)鍵技術(shù)，用于分類技術(shù)的方法有多種多樣。與其它方法相比，支持向量機方法是以結(jié)構(gòu)風險最小化為學習原則，具有較好的泛化能力，且在非線性和樣本屬性維數(shù)高的分類問題中有較大優(yōu)勢。
　　 支持向量機最初是針對二分類問題提出的，現(xiàn)在其熱點之一是推廣到多分類問題。從幾何意義上來看，支持向量機可以分為超平面支持向量機和超球面支持向量機，雖然前者的研究較為成熟，但在多分類問題處理類別之間樣本數(shù)目不平衡的情況下，超球面支持向

2、量機會更加適合。
　　 在分析了常用的超球面支持向量機方法基礎(chǔ)上，本文提出了兩種新的超球面支持向量機方法，主要包括：
　　 (1)引入正負超球面分隔兩類樣本，并把負超球面半徑和正超球面半徑之差的大小作為衡量該方法泛化能力的一個指標，提出了最大間隔同心超球面多類支持向量機(MMCHM-SVM)方法。
　　 (2)基于調(diào)節(jié)訓(xùn)練樣本中的分類錯誤率和支持向量數(shù)占訓(xùn)練樣本總數(shù)的比例的目的，引入了參數(shù)v1，v2，通過改進MM