北京邮电大学学报 ›› 2010, Vol. 33 ›› Issue (2): 20-23.doi: 10.13190/jbupt.201002.20.264
双边界支持向量机的理论研究与分析
丁晓剑 赵银亮
- (西安交通大学计算机科学与技术系, 西安 710049)
Theory and Analysis of DoubleMargin SVM
DING Xiao-jian, ZHAO Yinl-iang
- (Department of Computer Science and Technology, Xi'an Jiaotong University, Xi'an 710049, China)
摘要:
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.