最大边缘超球SVM

训练预测一致

用一个二次规划同时寻找两个超球,预测阶段与训练阶段一致,比现有超球SVM更稀疏、测试开销更低。

Ke, Ting · Yangyang, Liao · Mengyan, Wu · Ge, Xuechun · Xinyi, Huang · 张传雷 · Li, Jianrong

Engineering Applications of Artificial Intelligence 2023

参数信息

超球数量
2

技术优势

预测与训练一致

训练和预测采用相同的超球包含规则,避免了两阶段不一致带来的分类误差。

大幅减少冗余样本

通过最大化两超球中心距离,模型只关注关键样本,消除大量冗余,提升稀疏性。

测试成本更低

稀疏模型减少了支持向量数量,测试时只需计算少量核函数,响应更快。

应用场景