最值间距支持向量机

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。