Classifying Data Sets Using Support Vector Machines Based on Geometric Distance

摘要

是因为 SVM 的训练复杂性高度依赖于设置的数据的尺寸，至于模式识别和机器学习为大规模数据采矿赞成了支持机器(SVM ) 不是的向量，这篇论文论述几何基于距离的 SVM (GDB-SVM ) 。Ittakes 在一个点和是的分类亢奋的飞机之间的距离分类根据理论分析和几何直觉统治，并且被设计。试验性的代码作为翻译并且编辑的系统是有 Microsoft Visual C++ 6.0 的导出的 fromLibSVM。五 GDB-SVM 的四预言的结果比对所有(OAA ) 的方法的那些好。五 GDB-SVM 的三预言的结果比对(天体观测卫星) 的方法的那些好。Experimentson 真实数据集合证明 GDB-SVM 比 OAA 和天体观测卫星的方法优异不仅，但是为大数据集合高度可伸缩当产生高分类精确性时。