QLMC-HD：基于超磁盘的准大间隔分类器
计算机视觉与模式识别
2020-09-01 v4
摘要
在数据分类领域，各类分类器因其自身优劣而被提出。其中我们提出一种基于两类间最大间隔的方法。该领域的主要挑战之一是处理噪声数据。本文旨在优化基于超磁盘的大间隔分类器(LMC-HD)方法，并将其与准支持向量数据描述(QSVDD)方法结合。在所提方法中，边界超球面基于QSVDD方法计算。因此，我们的凸类模型相比支持向量机(SVM)更鲁棒，且比LMC-HD更宽松。大间隔分类器旨在最大化间隔并最小化风险。由于所提方法忽略了离群点与噪声的影响，因此相较其他大间隔分类器具有最宽间隔。最后，我们在一组标准数据上通过实验将所提方法与其他流行的大间隔分类器比较，表明我们的结果更高效。
引用
@article{arxiv.1902.09692,
title = {QLMC-HD: Quasi Large Margin Classifier based on Hyperdisk},
author = {Hassan Ataeian and Shahriar Esmaeili and Saeideh Roshanfekr and Neda Maleki Khas and Ali Amiri and Hossein Safari},
journal= {arXiv preprint arXiv:1902.09692},
year = {2020}
}
备注
12 pages, 1 figures, 10 tables