模式识别中的支持向量机方法.pdf

第 37 卷第 5 期浙江大学学报( 工学版) Vol. 37 No. 5
2003 年 9 月 Journal of Zhejiang University( Engineering Science) Sep. 2003
模式识别中的支持向量机方法
杜树新, 吴铁军
(工业控制技术国家重点实验室, 浙江大学智能系统与决策研究所, 浙江杭州, 310027)
摘要: 针对模式识别问题, 描述了支持向量机的基本思想, 着重讨论了 M-SVM、最小二乘 SVM、加权 SVM 和直接
SVM 等新的支持向量机方法, 用于降低训练时间和减少计算复杂性的海量样本数据训练算法分块法、分解法, 提
高泛化能力的模型选择方法, 以及逐一鉴别法、一一区分法、M-a ry 分类法、一次性求解等多类别分类方法. 最后给
出了污水生化处理过程运行状态监控的多类别分类实例. 作为结构风险最小化准则的具体实现, 支持向量机具有
全局最优性和较好的泛化能力.
关键词: 支持向量机; 模式识别; 泛化能力
中图分类号: T P181 文献标识码: A 文章编号: 1008-973X(2003) 05-0521-07
Support vector machines for pattern recognition
DU Shu-xin, WU Tie-jun
(N ational K ey La bora tory of Industrial Control Technology, Institute of Intelligent Systems and Decision Making,
Zhej ia ng University, H angzhou 310027, China )
Abstr act: An overview of the basic ideas under lying Support Vector Machine ( SVM) for pattern recogni-
tion was given. New methods such as M-SVM, LS-SVM, weighted SVM and direct SVM, training algo-
rithms including chunking method and position method for the sake of putational speed and
ease of implementation, model selection approaches minimizing the generalization error, and multiclass
classification methods such as one-against-the-rest method, one-against-one method, M-ar y classification
wer e concentr ated. Finally, an example of multiclass classification for monitoring operation status of
wastewater treatment p