支持向量机新模型及其参数特性研究.pdfVIP

第27卷第4期 计算机仿真 2010年4月 文章编号：1006—9348(2010)04—0188—04 支持向量机新模型及其参数特性研究 谢长菊 (佛山市高明区广播电视大学，广东佛山528500) 摘要：支持向量机C—SVM及1，一SVM是目前两种最为成熟的模型，但是从形式到算法、从参数特性到参数含义，它们都相 互不同，这给人们的选择带来不便。为了将这两种SVM模型统一起来，提出一种新的模型cV—SVM，并依据统计学习理论， 研究它的解的特性。给出了新模型解的完备性条件，找出它的解及其相应的算法，并指出了∥c既是边界支持向量个数的 上界。又是支持向量总数的下界。参数设置说明，新模型完全可以实现旧模型的所有功能，而新的算法更加方便诸如文本自 动分类等领域的使用。 关键词：模式识别；统计学习理论；支持向量机 中圈分类号：TPl81文献标识码：A ResearchonaNewSVMandIt’SParameters XIE Chang—iu Radio＆Television (GaoMing University，FeshanGuangdong528500，China) the of Vector havebeen inC— ABSTRACT：In Machines(SVMs)，different developmentSupport advantages put SVMand aretwoofthemostrefinedmodels．Buttheformsoftheir wellastheiral— 1J—SVM，which formulations，as and different．Thismakesthemhardtobechosen．Inorderto thesetwokindsofSVM gorithmsparameters．are unify anewkindof itssolutioncharacteristicbasedonthestatistical formulations，thispaperproposes SVM，and，studies the of ofCv—SVM’Ssolutionis solutionandthe cV—SVM learningtheory．Thecompleteness proved．and algorithm a阳foundedOUt．This outthat∥Cisbothall boundofthenumberofbounded vectorsand paperpoints upper support of numberof showthat canrealizeallthefeaturesof alowerboundthe vectors．Parameter Cu—SVM support settings theold