论文部分内容阅读
Vapnik等人在统计学习理论和结构风险最小化的基础上提出了支持向量机算法（SVM）。该算法在高维模式识别、非线性、小样本等方面有较好的性能，已在许多领域取得了成功的应用。双正则化参数支持向量机的出现，更进一步提高了对于两类问题的研究成果。而利用样本数量来调整两个正则化参数C＋和C-的比值，这一方法也得到了较为广泛的应用和认可，特另13是在两类数据集中，即使这一理论没有经过严格的数学证明。文章以USPS数据库为基础，对之进行了大量的仿真实验，结果表明这个被广为接受的观点是不成立的。