SVMs与FANNs的关系及分类性能对比

发布时间：2018-01-16 08:18

本文关键词：SVMs与FANNs的关系及分类性能对比　出处：《渤海大学学报(自然科学版)》2016年03期 　论文类型：期刊论文

【摘要】：研究了支持向量机(SVMs)与前馈人工神经网络(FANNs)的关系.首先说明了两者在网络结构上的相似性,即输入函数均可表示为基函数的线性组合形式.然后指出了两者之间存在的关键差异:一是优化目标不同,FANNs只需要达到经验风险最小化,而SVMs寻求结构风险最小化;二是隐含层含义不同,SVMs的隐含层节点表现为支持向量,而FANNs则需要预先设定;三是模型复杂性不同,FANNs的模型复杂性由隐含层神经元数量来控制,而SVMs的复杂性独立于维度.最后,给出了两者在UCI标准数据集上的对比实验,用以评估它们在分类中的性能.
[Abstract]:The relationship between support vector machine (SVMs) and feedforward artificial neural network (FNN) is studied. That is, input functions can be expressed as linear combinations of basis functions. Then the key differences between them are pointed out: one is that only empirical risk minimization is required for different optimization objectives. SVMs seeks structural risk minimization; The other is that the hidden layer nodes with different hidden layer meanings are represented as support vectors, while FANNs needs to be preset. Third, the complexity of the model is controlled by the number of neurons in the hidden layer, while the complexity of SVMs is independent of the dimension. Finally, the model complexity of FANNs is controlled by the number of neurons in the hidden layer. A comparative experiment on UCI standard data set is given to evaluate their performance in classification.
【作者单位】：渤海大学信息科学与技术学院;渤海大学大学基础教研部;
【基金】：国家自然科学基金项目(No:61602056) 辽宁省教育厅科学研究一般项目(No:L2014444) 2014年度辽宁省社会科学规划基金项目(No:L14BTJ002)
【分类号】：TP391.4;TP18
【正文快照】： 0引言在模式识别领域,支持向量机(Support Vector Machines,SVMs)〔1-3〕和前馈人工神经网络(Feed-for-ward Artificial Neural Networks,FANNs)〔4-8〕是两种有效的方法.SVMs由Vapnik在1995年首次提出,基于统计学习理论和结构风险最小化原则.从几何意义上来说,它要找到一个超

【相似文献】