论文部分内容阅读
通过ISE准则逼近真实密度差的L2．核分类器没有显式地考虑到分类间隔，在一定程度上不利于提高分类器精度I同时，权向量的求解最终转化为一个二次规划问题，导致L2．核分类器训练速度较慢，特别是对于较大样本．基于这两个问题，利用样本间的密度差构造了分类间隔并最大化此间隔，而此问题最终转化为一个对数优化问题，故称其为最大间隔对数向量机（maximum margin logistic vector machinet，简称MMLVM），进而利用梯度下降法求解最优权．同时，分别从权的全局最优性、一般化误差界及算法复杂度