一种分离超平面的确定方法

摘要

针对两类分类问题中使用支持向量机(Support Vector Machines,SVM)训练时间长和支持向量域分类器(Support Vector Domain Classifier,SVDC)精度不高的问题,建立一种基于支持向量域描述(Support Vector Domain Description,SVDD)的分离超平面,尝试将SVDD与SVM结合.首先使两类的错误率上界相等,用来设定参数C1,C2的值;然后分别对每类样本应用SVDD算法进行描述,以求取两个超球形边界向量;最后以两个超球球心到分离超平面的距离和最大为准则,推导出两球球心之差为分离超平面的法向量,再用样本容量和两球半径所提供的信息,确定出分离超平面的阈值,建立一个分离超平面.实验数据表明:提出的算法与SVDC相比,分类的错分率显著减少;与标准的SVM相比,不仅错分率有所减少,而且训练时间也减少很多.