패턴 분류를 위한 비평행 서포트 벡터 머신

우리는 이진 분류를 위한 비평행 분류기인 비평행 서포트 벡터 머신(NPSVM)을 제안합니다. 우리의 NPSVM은 일반화된 고유값 근접 서포트 벡터 머신(GEPSVM) 및 쌍둥이 서포트 벡터 머신(TWSVM)과 본질적으로 다른 몇 가지 비교할 수 없는 장점을 가지고 있습니다: 1) 구조적 위험 최소화 원칙을 구현하여 두 가지 기본 문제를 구성합니다; 2) 이 두 기본 문제의 쌍대 문제는 표준 SVM의 장점과 동일하므로 커널 기법을 직접 적용할 수 있지만 기존 TWSVM은 비선형 경우에 대해 근사 커널 생성 표면을 기반으로 또 다른 두 개의 기본 문제를 구성해야 하며, 또한 이들의 비선형 문제는 선형 커널을 사용하더라도 선형 경우로 퇴화할 수 없습니다; 3) 쌍대 문제는 표준 SVM의 우아한 수식과 동일하며 순차 최소화 최적화 알고리즘으로 효율적으로 해결할 수 있지만 기존 GEPSVM 또는 TWSVM은 대규모 문제에 적합하지 않습니다; 4) 표준 SVM과 같은 고유한 희소성을 가지고 있습니다; 5) 기존 TWSVM은 파라미터가 적절하게 선택될 때 NPSVM의 특수 사례일 뿐입니다. 여러 데이터 세트에 대한 실험 결과는 희소성과 분류 정확도 모두에서 우리의 방법의 효과를 보여주며, 따라서 위의 결론을 더욱 확증합니다. 어떤 의미에서 우리의 NPSVM은 비평행 분류기의 새로운 출발점입니다.