基于支持向量機的多分類算法研究.pdf

1、支持向量機是由Bell實驗室的Vapnik等人提出的一種針對分類和回歸問題的新型機器學習方法，是借助于最優(yōu)化方法解決機器學習問題的新工具.支持向量機方法基于統(tǒng)計學習理論與結(jié)構(gòu)風險最小化原理，具有良好的推廣性和較高的準確率.它集成了最優(yōu)分類超平面、核技巧、凸二次規(guī)劃等多項技術(shù)，能有效地解決“過學習”、“維數(shù)災(zāi)難”和局部極小點等問題.由于出色的學習性能：支持向量機已經(jīng)成為當前機器學習界的一個研究熱點，并在很多領(lǐng)域得到了廣泛的應(yīng)用，包括模式識

2、別、回歸估計等方面.由于支持向量機方法最初是針對二類別的分類問題提出的，如何將二類別分類方法擴展到多類別分類是支持向量機研究的一個重要內(nèi)容.
　　 本文主要做了以下幾個方面的工作.
　　 1.介紹了機器學習、統(tǒng)計學習理論以及支持向量機的發(fā)展和研究現(xiàn)狀.討論了支持向量機的理論和算法，包括核函數(shù)理論、參數(shù)選擇等熱點問題.
　　 2.總結(jié)了目前常用的基于支持向量機的多分類方法，包括一對多方法、一對一方法、決策二叉樹方法