陈迪荣;吴强;英一鸣;周定轩 支持向量机软边界分类器：错误分析。 （英语） Zbl 1222.68167号 J.马赫。学习。物件。 1143-1175（2004年）. 摘要：本文的目的是为支持向量机分类算法-（q）范数软边缘分类器提供PAC错误分析。它由两部分组成：正则化误差和样本误差。虽然有许多技术可用于处理样本误差，但对于再生核Hilbert空间的正则化误差和相应的近似误差知之甚少。我们主要关注正则化误差。它是通过加权（L^{q}）空间中的（K）-泛函来估计一般分布的。对于弱可分分布（即，裕度可能为零），通过分离函数提供了令人满意的收敛速度。引入投影算子，特别是对于复杂度较小的核函数，可以得到更好的样本误差估计。错误分类误差受与一般损失函数类（V）相关的（V）风险的限制。克服了限制偏移的困难。用多项式核和高斯核证明了主要结果。正则化参数的选择在我们的分析中起着重要作用。 引用于101文件 MSC公司： 68T05型 人工智能中的学习和自适应系统 62H30型 分类和区分；聚类分析（统计方面） 关键词：支持向量机分类;误分类错误;\（q\）范数软边缘分类器;正则化误差;近似误差 PDF格式BibTeX公司 XML格式引用 \textit｛D.-R.Chen｝等人，J.Mach。学习。第5号决议，1143--1175（2004年；Zbl 1222.68167） 全文： 链接