Support Vector Machine(SVM) have been developed in many ways after the soft-margin SVM had been suggested in 1995. Bayesian SVM and Universum SVM are two methods for developing SVM. Bayesian SVM interpreting in probabilistic frameworks, samples classifiers from the particular posterior distribution. Bayesian SVM classifies new data by averaging the results of the sampled classifiers, and it have better performance than the soft-margin SVM for some data. Universum SVM which is trained by not only training data but also additory data called universum data, has better performance than soft-margin SVM. In this paper, we suggest a probabilistic interpretation of Universum SVM, and we use bayesian method to Universum SVM. In addition, we compare the performance of bayesian Universum SVM and Universum SVM. As it is denoted that the importance of selecting the universum data in the paper which suggested Universum SVM, solving the problem selecting the universum data under the probabilistic model will be done in our future work.
서포트 벡터머신은 1995년에 소프트 마진 서포트 벡터머신의 개발이후로 많은 방향으로 발전되어왔다. 그 중 베이지안 서포트 벡터 머신과 유니벌썸 서포트 벡터 머신이 연구가 되었다. 베이지안 서포트 벡터 머신은 기존의 서포트 벡터 머신을 확률적으로 해석 후, 구분 함수의 사후 분포 함수로부터 샘플링한다. 베이지안 서포트 벡터 머신은 이렇게 샘플링된 구분기로부터 구분 결과를 평균을 취해 구분을 하며, 이때의 결과는 구분하는 데이터에 따라 기존의 방법보다 좋은 성능을 가지는 경우가 있다. 유니벌썸 서포트 벡터 머신은 기존의 훈련 데이터 외에 유니벌썸이라고 부르는 추가적인 데이터를 이용하여 훈련이 되며, 이 경우 소프트 마진 서포트 벡터 머신보다 좋은 성능을 가진다. 본 논문에서는 유니벌썸 서포트 벡터 머신을 확률적인 해석을 제안하였으며, 이를 이용해 유니벌썸 서포트 벡터 머신에 베이지안 방법을 사용하였다. 추가적으로 베이지안 유니벌썸 서포트 벡터 머신의 성능을 기존의 베이지안 유니벌썸 서포트 벡터 머신의 성능과 비교를 하였다. 유니벌썸 서포트 벡터 머신을 처음 제안한 논문에서 언급되었듯이 유니벌썸 데이터의 선택 문제는 중요한 문제이며, 추후 연구로 확률 모델하에 유니벌썸 데이터의 선택 문제를 풀고자한다.
