代表了对离群点的重视程度，C越大，表示不能舍弃该样本的程度越大，在极端的情况下，C趋于无穷时退化为硬间隔分类问题。惩罚因子可用来解决数据集偏斜的问题，即分别给正类、负类的样本点赋予不同的惩罚因子，由此区分对两类样本的重视程度。
数据集偏斜是指参与分类的两类样本数量差距很大，此时对于数量少的样本应予以重视，不能轻易舍弃，应赋予较大的惩罚因子。
此时我们目标函数中因松弛变量而损失的部分就变为
p
pq
CiCj
i1
jp1
j0
其中，i1p为正样本，jp1…pq为负样本。
C、C的比例选取应根据实际情况具体问题具体分析，如当两类样本分部情况类似时，
正负类惩罚因子的比例可以由数量之比确定，当一类与另一类相比样本较集中时，可以用覆盖两类的超球半径之比来确定。
（五）SVM用于多类分类由于SVM属于二类分类器，一个分类器只能完成二类分类，在处理多类分类问题时，需
要用到多个分类器共同完成分类工作。常用的多类分类方法有：一类对余类（1ar）、一对一类1a1和有向无环图支持向量机DAGSMV
1ar方法是指，训练时，每次选取一个类的样本作为正类样本，其余为负类样本，此时生成的分类器个数为
。分类时，将待分类样本代入每个分类器进行运算。1ar方法由于分类器较少，所以分类速度较快，但会出现分类重叠或不可分类现象，并且由于训练阶段正负类数量差距较大，这就人为造成了数据集偏斜。
1a1方法是指，训练时，选取一个样本作为正类样本，分别取其余样本中的一类为负类样本进行训练，此时生成的分类器个数为
1个。分类时，将待分类样本代入每个分类器进行运算，采用每个分类器投票的方式决定样本类别。1ar方法的优点在于，由于训练阶段正负类样本数量较少，整体上来说，速度要优于1ar方法，虽然仍然存在分类重叠现象，
第10页共14页
f密
封
线
但避免了不可分类现象，缺点在于分类器个数过多，分类过程会较慢。DAGSMV方法是指，训练时，按照1a1的方法求出分类器，在分类阶段，以有向无环
图的形式选取分类器进行运算，最终得到分类结果，如图
DAGSVM的优点在于分类时不必遍历所有的分类器，具有较高的分类效率。但一旦根节点分类错误，则后面将无法修正错误并导致错误的分类。故一般根节点都会使用差别较大的两类分类器。
（六）SVM算法的改进目前针对SVM应用中出现的r