SVM分類器置信度的研究.pdf

1、當(dāng)今，由于海量數(shù)據(jù)的形成，迫切需要將這些數(shù)據(jù)轉(zhuǎn)換成有用的信息和知識(shí)，促進(jìn)了數(shù)據(jù)挖掘的應(yīng)用，使這一技術(shù)迅速得到發(fā)展和完善。數(shù)據(jù)挖掘是數(shù)據(jù)庫(kù)、人工智能和統(tǒng)計(jì)學(xué)等學(xué)科的研究熱點(diǎn)領(lǐng)域之一。而分類技術(shù)作為數(shù)據(jù)挖掘技術(shù)的一個(gè)重要研究方面，受到研究者們的廣泛關(guān)注。
　　 支持向量機(jī)（SVM）是最重要的分類技術(shù)之一，也是近年來機(jī)器學(xué)習(xí)領(lǐng)域的研究熱點(diǎn)，是借助最優(yōu)化理論解決分類問題的有力工具，在許多實(shí)際分類應(yīng)用中都表現(xiàn)了良好的性能。
　　

2、本文對(duì)SVM分類器分類結(jié)果的置信度評(píng)估及決策修正算法進(jìn)行了研究，利用直接得到的觀察量來反映識(shí)別結(jié)果之間的相對(duì)可靠性，共設(shè)計(jì)了四種算法。通過實(shí)驗(yàn)證明了其中一種算法為最佳算法。在該算法中，我們?cè)诜诸惼黝A(yù)測(cè)階段獲取待測(cè)樣本和最優(yōu)分類超平面的距離，并且計(jì)算待測(cè)樣本的j個(gè)近鄰訓(xùn)練樣本與待測(cè)樣本經(jīng)Libsvm判斷的初始分類結(jié)果同屬一類的概率。對(duì)于給定的拒識(shí)率，該算法拒識(shí)并修正置信度小于相應(yīng)置信度閾值的樣本分類結(jié)果。實(shí)驗(yàn)結(jié)果證明此置信度評(píng)估及決策修正