论文部分内容阅读
根据 Kolmogorov算法随机性理论 ,描述定义了具有置信判别能力的置信学习机器 .利用普通支持向量学习机器中的 L agrangian系数 ,从系数基本的物理内涵出发 ,近似实现了 Kolmogorov算法随机性理论定义的普适不可计算的随机性描述函数 .并由此定义了学习的置信度 ,使得支持向量学习机在学习判断对象类别的同时能够给出该次判断的可信程度 ,丰富了学习机器的输出信息 .将置信支持向量机用于认证手写签名的特征向量 ,提高了在线手写签名认证应用系统的可靠性和灵活性