适用于非确定分类问题的支持向量机方法研究.pdfVIP

适用于非确定分类问题的支持向量机方法 吴高巍，陶卿，王珏 中科院自动化所复杂系统与智能科学实验室，北京100080 摘要：在支持向量机(SVM)中，训练样本总是具有明确的类别信息，而对于一些不确定 性问题，这并不恰当。受贝叶斯决策规则的启发，我们考虑利用样本的后验概率来表示这种 不确定性。本文将贝叶斯决策规则与SVM相结合，提出后验概率支持向量机方法。人造实 例及真实数据摩的实验也证明了后验概率支持向量机的合理性、有效性。 关键词：支持向量机；分类；后验概率：边缘：最大边缘算法：非确定性分类问题。 Posterior Vector Probability Machines Support Gaowei Tao，Jue Wu，Qing Wang Institute ofAutomation，ChineseAcademy ofSciences，Beijing，t00080 aim Abstract：Theofthis istosolveuncertain classification to paper problem，wetrytrain∞ vector behavea based like classifieronthe SVM(supportmachine)to Bayesianoptimal data．Ouridea each isto unbalanced a by training weigh sample training posteriorprobability． Awhole frameworkof ve：ctor posterior probabil时support presented machine(PPSVM)is and is SVM into reformulatedPPSVM．SomeillustrateourPPSVM examples that is formulationreasonableandavail曲le Vector Key Machines；Classification；Posterior Words：Support Probability；Margin； Maximal ClassificationProblem． Margin Algorithm；Uncertain 1引言 【1，2】。利用边缘的概念，SVM的几何解释是非常清楚的。给定训练样本集