论文部分内容阅读
在支持向量机(Support Vector Machine)的分类问题中,训练样本的分类信息总是确定的,由此得到的分类指示函数也总是对新样本给出确定的分类信息,但是这种情况对一些不确定性问题并不恰当。利用贝叶斯规则,将样本的后验概率与传统支持向量机结合,得到了基于后验概率的支持向量机。在具体的算法上,引入了一个经验性的方法得到样本的后验概率。以某评级机构提供的企业信用评估数据库为研究对象。