%0 Journal Article
%T Statistic analysis of classification based on support vector machine<br>支持向量机模型分类能力指标的统计分析
%A LIU Xin
%A LIU Yun-sheng
%A WANG Zhenga
%A <br>刘昕
%A 刘云生
%A 王正a
%J 计算机应用研究
%D 2011
%I 
%X 在支持向量机（support vector machines, SVM）中，如何衡量SVM的分类能力，最小化风险泛函是一个重要的指标。根据支持向量机小样本特点，给出了支持向量机分类能力的一个量化标准：最优超平面的可靠度β。详细讨论了β的下界和置信区间，并给出了在实际应用中，如何根据样本数据估计β的下界和置信区间。实验也证明了β的下界估计和置信区间的合理性、有效性。
%K support vector machine
%K lower bound
%K confidence interval<br>支持向量机
%K 下界估计
%K 置信区间
%U http://www.alljournals.cn/get_abstract_url.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=A9D9BE08CDC44144BE8B5685705D3AED&aid=60D727FB9A964C96C09957B75901A2EA&yid=9377ED8094509821&vid=D3E34374A0D77D7F&iid=0B39A22176CE99FB&sid=500A64A3035F6B9C&eid=F3549E0657848E2A&journal_id=1001-3695&journal_name=计算机应用研究&referenced_num=0&reference_num=10