SK算法的核化及其在医学诊断中的应用
王书睿
刘雨晴
吕腾飞
冷强奎
1.渤海大学 信息科学与技术学院,辽宁 锦州,1210132.渤海大学 信息科学与技术学院,辽宁 锦州,1210133.渤海大学 信息科学与技术学院,辽宁 锦州,1210134.渤海大学 信息科学与技术学院,辽宁 锦州,121013
摘要：Schlesinger-Kozinec(SK)算法是一种典型的几何类支持向量机求解方法,具有理论基础坚实、分类过程直观等优点.对于线性可分的两类样本,SK算法可通过它们凸包间的最近点来求解分类超平面.对于非线性可分问题,核函数首先被引入,它能够实现原空间到高维特征空间的映射变换,即将特征空间中的内积运算转换为原空间的函数形式.然后,SK算法在特征空间中完成分类任务.文中首先介绍SK算法的步骤和几何意义.然后详细分析非线性可分条件下,SK算法的核化问题,并重点强调了一些运算过程的内积表达.最后,在医学诊断这一特定分类问题上对核化的SK算法进行实验测评.结果表明,相比于其他的经典支持向量机实现,核化的SK算法能够获得更高的诊断准确率.
关键词：SK算法核化支持向量机医学诊断
分类号：TP181(自动化基础理论)
资助基金：国家自然科学基金项目(61602056)辽宁省博士科研启动基金项目(201601348)辽宁省教育厅科研项目(LZ2016005)辽宁省教育厅科研项目(L2015010)教育部人文社会科学研究青年基金项目(15YJC870021)
论文发表日期：2018-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 378-384 )
英文信息