论文部分内容阅读
基于广义特征值的最接近支持向量机（Proximal Support VectorMachinevia Generalized Eigenvalues，GEPSVM）是一种新的具有与SVM性能相当的两分类方法，通过求解广义特征值来获得两个彼此不平行的拟合两类样本的超平面．其决策是将测试样本归为距其最近的超平面所在的类．然而，该规则在某些情形会导致较差的分类结果．对此，在GEPSVM基础上，通过在类拟合超平面上寻找一个包含了所有训练样本投影的局部凸区域，来决定样本的类别．该局部方法不仅具有较GEPSVM更优的