%0 Journal Article %T 最值间距支持向量机 %A 王至超 %A 张化祥? %J 计算机科学 %D 2012 %X gepsvm(proximalsupportvcctormachineclassificationviagcncralizcdeigcnvalucs)是近年提出来的一种新的二分类svm,其核心思想是通过求解广义特征方程得到两个最优超平面,然后通过计算样本到超平面的距离来决定样本所属类别。与传统svm相比,gepsvm降低了时间复杂度,但仍存在奇异性等问题。提出了一种新的算法tdmsvm(twindistanceofminimumandmaximumsupportvectormachine),其通过求解标准特征方程得到两个最优超平面,使超平面满足到本类样例的平均距离最小化,同时到另一类样例的平均距离最大化。通过理论分析和实验证明,与c}epsvm相比,`i'dmsvm有以下优势:进一步降低了时间复杂度;不需引入正则项,从而提高了泛化性能;克服了奇异性。 %K 模式识别 %K 特征向量 %K 支持向量机 %K 拉格朗日乘子法 %U http://www.jsjkx.com/jsjkx/ch/reader/view_abstract.aspx?file_no=120447&flag=1