%0 Journal Article
%T 双边界支持向量机的理论研究与分析
%A 丁晓剑
%A 赵银亮
%J 北京邮电大学学报
%P 20-23
%D 2010
%R 10.13190/jbupt.201002.20.264
%X 根据统计学习理论，间隔大小是反映泛化能力的一个很重要的方面.受一类支持向量机(SVM)的启发，提出的双边界SVM能分别用2个边界对2类问题分类.它能在保证分类正确的同时保证分类间隔的最大化，理论上分别从推广性能和不平衡类分布2方面证明了其优越性.标准数据集上的实验表明,双边界SVM得到的分类间隔要大于SVM,泛化性有了显著提高;另外,不平衡数据集上分析得到它对少数类识别率有明显提升.真实入侵数据测试结果表明，双边界SVM算法比边界样本选择算法的检测率高出2%以上.
%K 分类间隔
%K 泛化性能
%K 双边界支持向量机
%U http://www.buptjournal.cn/CN/abstract/abstract555.shtml