支持向量機中參數(shù)選取的一個問題.pdf

1、隨著計算機和信息技術的快速發(fā)展，人們需要花費昂貴的代價收集、存儲和處理海量的數(shù)據(jù)．數(shù)據(jù)挖掘源于數(shù)據(jù)庫技術引發(fā)的海量數(shù)據(jù)和人們利用這些數(shù)據(jù)的愿望．用數(shù)據(jù)管理系統(tǒng)存儲數(shù)據(jù)，用機器學習的方法分析數(shù)據(jù)、挖掘海量數(shù)據(jù)背后的知識，便促成了數(shù)據(jù)挖掘(data mining)的產(chǎn)生．如何從中發(fā)現(xiàn)有用的信息，已經(jīng)成為一個迫切需要解決的問題，數(shù)據(jù)挖掘技術在這種背景下應運而生．數(shù)據(jù)挖掘就是在數(shù)據(jù)庫中發(fā)現(xiàn)有用的、潛在的、最終可理解的模式的非平凡過程．它是一門交

2、叉學科，涉及機器學習、數(shù)學規(guī)劃、數(shù)理統(tǒng)計、模式識別等相關技術． 支持向量機(support vector machine，SVM)是數(shù)據(jù)挖掘中的一項新技術，是借助于最優(yōu)化方法解決機器學習問題的新工具．它是機器學習領域若干標準技術的集大成者．它集成了最大間隔超平面、Mercer核、凸二次規(guī)劃、稀疏解和松弛變量等多項技術．在若干挑戰(zhàn)性的應用中，獲得了目前為止最好的性能．在美國科學雜志上，支持向量機以及核學習方法被認為是“機器學習領域

3、非常流行的方法和成功的例子，并是一個十分令人矚目的發(fā)展放向”． 首先本文給出了一種新的計算支持向量機中正則參數(shù)和核參數(shù)的方法，與已有的一些算法不同，它是將C和γ作為優(yōu)化問題中的變量來處理，并通過遺傳算法和確定性算法相結合來解這個平衡約束優(yōu)化問題，從而求出支持向量機(SVM)在分類問題中的正則參數(shù)C和γ其中遺傳算法用來求解以C和γ為變量的優(yōu)化問題，而確定性算法對每一對C和γ值求解約束． 另外通過數(shù)值計算將該方法的的結果與已