Institute of Computing Technology, Chinese Academy IR
| 基于后验概率的支持向量机 | |
| 吴高巍1; 陶卿2; 王珏2 | |
| 2005 | |
| 发表期刊 | 计算机研究与发展
 |
| ISSN | 1000-1239 |
| 卷号 | 42.0期号:002页码:196 |
| 摘要 | 在支持向量机(support vector machines，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并不恰当．受贝叶斯决策规则的启发，利用样本的后验概率来表示这种不确定性．将贝叶斯决策规则与SVM相结合，建立后验概率支持向量机(posteriori probability support vector machine，PPSVM)的体系框架．并详细讨论线性可分性、间隔、最优超平面以及软间隔算法，得到了一个新的优化问题，同时给出了一个支持向量的新定义．实际上，后验概率支持向量机是建立于统计学习理论(statistical learning theory)基础之上，是标准SVM的扩展．针对数据，还提出了一个确定后验概率的经验性方法．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 间隔 最大间隔算法 非确定性分类问题 |
| 语种 | 英语 |
| 文献类型 | 期刊论文 |
| 条目标识符 | http://119.78.100.204/handle/2XEOYT63/34598 |
| 专题 | 中国科学院计算技术研究所期刊论文_中文 |
| 作者单位 | 1.中国科学院计算技术研究所 2.中科院自动化所 |
| 第一作者单位 | 中国科学院计算技术研究所 |
| 推荐引用方式 GB/T 7714 | 吴高巍,陶卿,王珏. 基于后验概率的支持向量机[J]. 计算机研究与发展,2005,42.0(002):196. |
| APA | 吴高巍,陶卿,&王珏.(2005).基于后验概率的支持向量机.计算机研究与发展,42.0(002),196. |
| MLA | 吴高巍,et al."基于后验概率的支持向量机".计算机研究与发展 42.0.002(2005):196. |
| 条目包含的文件 | 条目无相关文件。 | |||||
| 个性服务 |
| 推荐该条目 |
| 保存到收藏夹 |
| 查看访问统计 |
| 导出为Endnote文件 |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [吴高巍]的文章 |
| [陶卿]的文章 |
| [王珏]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [吴高巍]的文章 |
| [陶卿]的文章 |
| [王珏]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [吴高巍]的文章 |
| [陶卿]的文章 |
| [王珏]的文章 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论