文件名称：最优分类面-vmware下安装macos 10.9最新版的方法mac os x server 10.6版本
文件大小：1.15MB
文件格式：PDF
更新时间：2024-06-23 11:39:13
基于支持向量机的文本分类方法研究
第3章文本分类方法对比研究 和 下对口，求解下列函数的最大值 Q(口) ∑口 拉1 ∑y，口，=o 珥≥O，2=1，⋯，月 毛皂叩嘁㈠”。 ‘，J=l (3．14) (3．15) (3．16) 口，为与每个样本对应的Lagrange乘子。这是一个不等式约束下二次函数寻优的问题 存在唯一解。容易证明，解中将只有一部分(通常是少部分)口，不为零，对应的样本就 是支持向量。解上述问题后得到的最优分类函数是 ，(x)=sgn{(w·x)+6)=sgn(∑口1+y，(一·x)+6’) (3．17) 忙1 式中的求和实际上只对支持向量进行。6+是分类阈值，可以用任一个支持向量(满足 (3．12)式中的等号)求得，或通过两类中任意一对支持向量取中值求得。 图3．2最优分类面 在线性不可分的情况下，可以在条件(3．12)中增加一个松弛项孝，≥O，成为 M[(w。t)+6]一1+专≥O，f=1，·一，门 (3．18) 将目标改为求 (w固=抓|2+C(私) 最小，即折衷考虑最少错分样本和最大分类间隔，就得到广义最优分类面。其 中，C>0是一个常数，它控制对错分样本惩罚的程度。广义最优分类面的对偶问题