matlab最优化linprog代码-MCM_LINPROG:最小复杂度的机器

matlab最优化linprog代码最小复杂度的机器 VC 维度衡量学习机的复杂度，低 VC 维度导致良好的泛化。 虽然 SVM 产生了最先进的学习性能，但众所周知，SVM 的 VC 维数可以是无限的； 尽管在实践中取得了良好的结果，但并不能保证良好的泛化。 在本文中，我们展示了如何通过最小化其 VC 维度上的精确或 Θ 界限来学习超平面分类器。 所提出的方法称为最小复杂度机 (MCM)，涉及解决一个简单的线性规划问题。 实验结果表明，在许多基准数据集上，所提出的方法学习的分类器的错误率远低于传统的 SVM，同时通常使用更少的支持向量。 在许多基准数据集上，支持向量的数量不到 SVM 使用的数量的十分之一，表明 MCM 确实学习了更简单的表示。 代码 代码用Matlab编写，使用linprog解决优化问题 例子 在这里，我们展示了算法和 22 个 UCI 数据集，供用户测试他们的代码。 引文 如果您使用代码，请使用 bibtex 条目引用以下论文： @article{Jayadeva:2015:LHC:2841459.2841848, author = {Jayadeva}, titl