无偏置ν-SVM分类优化问题研究

• 作 者: 丁晓剑 赵银亮
• 机 构: 西安交通大学电子与信息工程学院
• 出 处: 电子与信息学报
• 发表日期: 2011年08期
• 关键词: V-支持向量机 偏置 泛化性能 有效集 ν-Support Vector Machine（SVM） Bias Generalization ability

在高维空间中,分类超平面倾向于通过原点,即不需要偏置(b)。为了研究在ν-SVM分类问题中是否需要b,该文提出了无(b)的ν-SVM的对偶优化问题并给出了其优化问题求解方法。该方法通过有效集策略将对偶优化问题转化为等式约束子优化问题,然后通过拉格朗日乘子法将子优化问题转化为线程方程组来求解。实验表明偏置(b)的存在会降低ν-SVM的泛化性能,ν-SVM只能得到无(b)ν-SVM的次优解。