基于符号距离函数的二分类与支持向量机的比较
机器学习
2008-12-17 v1 计算几何
摘要
我们通过与标准 SVM 包以及 K-近邻（K-nearest neighbor）和 RBFN 方法的直接比较，研究了一种基于简单符号距离函数（SDF）方法的性能。我们展示了在合成几何问题和五个基准临床微阵列数据集上，SDF 方法与其他分类器的实验比较结果。在几何问题和微阵列数据集上，未经优化的基于 SDF 的分类器的表现与成熟的、标准的 SVM 方法一样好或略好。这些结果证明了基于 SDF 的方法在某些类型问题上的潜在准确性。
引用
@article{arxiv.0812.3147,
title = {Comparison of Binary Classification Based on Signed Distance Functions with Support Vector Machines},
author = {Erik M. Boczko and Todd Young and Minhui Zie and Di Wu},
journal= {arXiv preprint arXiv:0812.3147},
year = {2008}
}
备注
5 pages, 4 figures. Presented at the Ohio Collaborative Conference on Bioinformatics (OCCBIO), June 2006