共被期刊论文引用了1次
您的检索式：您选中1篇文献正在查看引证文献汇总
|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于改进Joachims上界的SVM泛化性能评价方法显示文摘留一法(Leave One Out,LOO)错误率是评价支持向量机(Support Vector Machine,SVM)性能最准确方法,LOO错误率越小,SVM泛化性能越好.但LOO实现起来较为费时.因此人们提出了LOO错误率的各种上界作为近似,最有代表性的是Joachims上界和Jaakkola-Haussler上界.基于LOO上界的SVM泛化性能评价方法不但较为准确,而且耗时大大减小.本文首先证明了在径向基函数(Radial Basis Function,RBF)为核函数的SVM中,Joachims上界和Jaakkola-Haussler上界是等价的;其次对Joachims上界进行理论分析,指出了其不足之处,并予以改进,得到了改进的Joachims上界;最后通过实验对LOO错误率J、aakkola-Haussler上界J、oachims上界和改进的Joachims上界进行了比较,结果显示改进的Joachims上界比Jaakkola-Haussler上界和Joachims上界更加接近LOO错误率,是一种更加准确的SVM泛化性能评价方法. | 宋小杉 蒋晓瑜 汪熙 姚军 | 2011 | 电子学报2011，39，6： | 6 |
您所在的机构暂未开通此部分的功能，请联系管理员