林毅;Lee,Yoonkyung先生;格蕾丝·瓦巴 支持向量机用于非标准情况下的分类。 (英语) Zbl 0998.68103号 机器。学习。 46,编号1-3191-202(2002). 摘要:大多数分类算法都是针对标准情况开发的,在这种情况下,假设训练集中的示例与目标人群的分布相同,并且错误分类到不同类别的代价相同。然而,在现实环境中,这些假设经常被违背。对于一些分类方法,这通常可以简单地通过改变阈值来解决;对于其他人来说,需要额外的努力。在本文中,我们解释了标准支持向量机不适用于非标准情况的原因,并介绍了将支持向量机方法应用于非标准情形的简单过程。提供了该程序的理论依据。仿真研究表明,在非标准情况下,改进后的支持向量机比标准支持向量机有显著改进。该方法的计算量与标准支持向量机相同。该过程在标准情况下简化为标准支持向量机。 引用于30文件 MSC公司: 68T05型 人工智能中的学习和自适应系统 关键词:分类算法 PDF格式BibTeX公司 XML格式引用 \textit{Y.Lin}等人,马赫。学习。46,编号1--3,191--202(2002;Zbl 0998.68103) 全文: 内政部