支持向量机分类算法研究.pdf

摘要支持向量机的基本思想是通过在原空间或经投影后的高维空间中构造最优分类推广到多分类领域是一个热门问题。多类分类算法进行了系统地研究,总结了基于二叉树的支持向量机多分类算法的不足:媸鞯纳山峁苟哉龇掷嗄P偷姆掷嗑ǘ扔泻艽笥跋欤赡懿蟛罨关键词:支持向量机;核函数;多分类算法;样本不均衡中文摘要支持向量机算法是统计学习理论中最年轻的分支,最初于世纪年代提出,它以统计学习理论中的维理论和结构风险最小化原理为基础,根据有限的样本信息,在模型的复杂性与学习能力之间寻求最佳折衷,获得了较好的泛化能力。目前,支持向量机正得到越来越广泛的应用。近年来,支持向量机的理论研究和算法实现已取得了突破性进展,开始成为克服“维数灾难”和“过学习等传统困难的有力工具。面,将给定的属于不同类别的训练样本分开。最初支持向量机用于解决两类分类问题。但是实际应用中遇到的多为多分类问题,而且,即使我们能够很好地将两类样本正确分类,也并不意味着多类分类问题得到解决。如何有效地将椒掷喾椒论文介绍了统计学习理论和支持向量机的基本思想。对几种主要的支持向量机累现象。诶嗑嗬牒涂占浞植嫉亩媸魃煞椒ň薹ǹ朔暗阍斐傻挠跋臁针对以上问题,文中综合考虑了类间距离、类内聚合度及最优分类面,提出了一种二叉树的生成策略,从理论上得到了良好的推广能力。
湖北大学硕士学位论文’’皁甋,..瓹,.“;,.”..—瓵痶琫甋,瑆;.
蹴隧杏苟李苟湖北大学学位论文原创性声明和使用授权说明原创性声明学位论文使用授权说明究成果。除了文中特别加以标注引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。部门或机构送交论文的复印件和电子版,并提供目录检索与阅览服务;学校可以允日期:船年岁月埸日日期:年≮了挖穷日本人郑重声明:所呈交的论文是本人在导师的指导下独立进行研究所取得的研作者签名:签名日期:嘴年岁月恐日本学位论文作者完全了解学校有关保留、使用学位论文的规定,即:按照学校要求提交学位论文的印刷本和电子版本;学校有权保存并向国家有关许采用影印、缩印、数字化或其它复制手段保存学位论文;在不以赢利为目的的前提下,学校可以公开学位论文的部分或全部内容。C苈畚脑诮饷芎笞袷卮斯定导师签名:
法一支持向量机方法第一章绪论引言支持向量机研究现状一个热门研究方向。目前关于机器学习实现方法的指导理论大致有以下几种:诮峁狗缦兆钚』耐臣蒲袄砺邸。统计学习理论是一种专门研究的理论体系,在这种体系下,机器学习不仅考虑了对推广能力的要求,而且追求在原理,在解决小样本、非线性、高维空间模式识别问题中表现出良好的推广性和较好的分类精确性,成为机器学习的新亮点。支持向量机最初是针对两类分类问题提出的。但是实际应用中遇到的多为多分类问题,而且,即使我们能够很好地将两类样本正确分类,也并不意味着多类分类问题得到了解决。随着支持向量机两分类问题研究理论的日趋成熟,如何有效地将椒掷喾椒ㄍ乒愕蕉喾掷嗔煊蚴且桓鋈让盼侍狻本文简要地回顾了统计学习理论和支持向量机算法,以及两分类问题的主要解决方法。主要研究了支持向量机多类分类方法的性能,分析了已有的多分类支持向量机算法的优缺点,并针对现有的基于二叉树的多分类算法的不足,提出一种改进分类问题也被称作模式识别问题,是机器学习的一个分支,它是信息领域中的涞牟问兰频睦砺邸T谡庵址椒ㄖ校问南喙匦问绞且阎5模盗样本用来估计参数的值。该方法有很大的局限性:首先,它需要已知样本的分布情况,这是很难做到的;另外,传统统计学研究的是样本数目趋于无穷大时的渐进理论。然而,在实际问题中,能够得到的样本数目往往非常有限,因此一些理论上非常优秀的学习方法在实际应用中却表现的不尽如人意。诰榉缦兆钚』睦砺邸8美砺鄣牡湫痛硎侨斯ど窬纾萌工神经网络的自组织、自学习、分布计算等优良特点,有效地克服了传统参数估计方法和传统人工智能理论的不足,为许多问题的解决找到了一条切实可行的方法。但是,神经网络模型的建立是基于具体应用的,缺乏一种统一的数学理论。针对有限样本情况下机器学习规律的理论。它针对有限样本统计问题建立了一套新有限样本的条件下得到最优结果。左右,等人在统计学习理论基础上发展出了一套新的机器学习方,8梅椒ɑ诮峁狗缦兆钚』算法。作为统计学习理论的维理论和结构风险最小化原则的具体实现算法,支持向
描述。随着支持向量机理论上的深入研究,也出现了许多变种支持向量机【—亲耪攵杂邢扪厩榭龅模淠勘晔堑玫较钟行畔⑾碌淖钣沤猓唤惴ㄗ钪战;晌R桓龆窝坝盼侍猓永砺凵纤担玫降慕侨ň肿钣解,解决了在神经网络方法中无法避免的局部极值问题【。神经网络、遗传算法等,在高果,这也为其应用研究奠定了坚实基础。如热隽斯赜谟擦等研究