文献类型：期刊文献

中文题名：基于信息几何学概念的支持向量分类机

英文题名：Support Vector Machines Based on Information Geometry

作者：柳桂国[1];黄海燕[2];黄道[1]

机构：[1]工业自动化国家工程中心华东理工大学分部;[2]华东理工大学自动化研究所,上海200237

年份：2008

卷号：34

期号：3

起止页码：422

中文期刊名：华东理工大学学报（自然科学版）

外文期刊名：Journal of East China University of Science and Technology

收录：CSTPCD;;EI(收录号：20083011399775);Scopus;北大核心:【北大核心2004】；CSCD:【CSCD2011_2012】；

语种：中文

中文关键词：子流形;嵌入;支持向量分类机;核函数;信息几何

外文关键词：submanifold; embedding; support vector classifiable machine; kernel function; infor mation geometry

摘要：讨论了信息几何学中的子流形和嵌入概念,从信息几何学的角度分析了核函数的几何结构,通过共形变换构建数据依赖的核函数,使得特征空间在支持向量附近的体积元缩小,以改善支持向量分类机的机器性能,仿真结果表明了方法的有效性。
The concepts of submanifold and embedding are firstly discussed. Then, the geometrical conformation of kernel function is analyzed from information geometry, and the kernel function is contructed in data-dependent way by using a conformal transformation, which reduces volume elements locally in neighborhoods of support vectors in feature space. This makes the performance of support vector classifiable machine improved. Simulation results show the effectiveness of the present method.