多类支持向量机推广性能分析.pdfVIP

数据来集与处理 Vo l. 24 No. 4 第24卷第4期 2009 年 7 月 Journal of Data Acq山sition . Processing Ju l. 2009 文章编号:1004-9037(2009)04-0469-07 多类支持向量机推广性能分析 闰志刚1.2.3 杜培军1.2 (1.中国矿业大学环境与测绘学院，徐州，221116; 2. 江苏省资源环境信息工程重点实验室，徐州，221116; 3. 中国矿业大学深部岩土力学与地下工程国家重点实验室，徐州，221008) 摘要2 为了分析多类支持向量机(Multi-category support vector machines , M句SVMs) 的椎广性能，对常用的 M­ SVMs 算法加以概述，椎导、总结了理论椎广误差公式.对于给定的样本集，可以设计合理的编码未提高ECOC SVMs 的椎广性能，通过构造合理的层次结构未提高H-SVMs 推广性能，其余M-SVMs 算法的椎广性能均取决 于样本空间.研究结果为有效使用 M-SVMs 提供了依据，为改进M-SVMs 指明 T 方向. 关键词:~类义持向量和L;ECOC SVMs;H-SVMs 中图分类号:TP181 文献标识码:A Generalization Performance Analysis of M-SVMs 1 Z 3 1 Z Yan Zhigang • • , Du Peijun • (1. School of Environment Sc ience and Spatial Informatics , China University of Mining . Technology , Xuzhou , 221116 , Chinal 2. Jiangsu Key Laboratory of Resources and Environmental lnforrnation Engineering , Xuzhou , 221116 , China; 3. State Key Laboratory for GeoMechanics and Deep Underground Engineering , China University of Mining . Technology , Xuzhou , 221008 , China) Abstract: To analyze the generalization perforrnances of rnulti-category support vector rna- chines (M-SVMs) , the M-SVMs algorithms are used to deduce and surnrnary the theoretical generalization error bounds of M-SVMs. The research results show the ECOC SVMs perfor- rnance can be irnproved by constructing suitable codes to a fixed sample space , and H-SVMs perforrnance can be improved by constructing a suitable tree structure to increase M-SVMs per- formance.