论文部分内容阅读
模式识别算法往往对训练集样本的数量和质量有较高的要求,噪声的产生会影响数据集的分布特征,从而对算法的学习过程产生一定干扰。因此,研究模式识别算法在小样本训练集的不同点位产生噪声后的分类性能和判界是否会发生改变具有重大的理论意义。该文比较了SVM和RVM在3种典型点位的噪声下,研究其分类性能指标的优劣以及决策边界的变化,发现RVM的抗噪声能力优于SVM。