中心向量夹角间隔正则化核向量机

来源：信息与控制杂志2015年第2期北京时间：

作者：鲁淑霞, 焦彩红, 周扬帆, 佟乐

摘要：针对大数据集如何有效地进行训练的问题，基于最大向量夹角间隔分类器（maximum vector-angular margin classifier，MAMC），提出了求解最优向量<em<d</em<的不同方法来得到中心向量夹角间隔分类器（central vector-angular margin classifier，CAMC），进而证明了CAMC等价于最小包围球问题（minimum enclosed ball，MEB）. 但是鉴于MEB对参数的敏感性，又提出了正则化核向量机（regularized core vector machine，RCVM），将CAMC与RCVM结合得到中心向量夹角间隔正则化核向量机（regularized core vector machine with central vector-angular margin，CAMCVM）. 基于基准数据集的实验表明，CAMC具有更好的分类性能且CAMCVM可以有效快速地训练大规模数据集.

关键词：最大向量夹角间隔分类器, 最小包围球, 正则化, 核向量机