支持向量機(jī)模型的相關(guān)研究.pdf

1、支持向量機(jī)是基于統(tǒng)計(jì)學(xué)習(xí)理論的一種新型機(jī)器學(xué)習(xí)方法。支持向量機(jī)具有堅(jiān)實(shí)的理論基礎(chǔ)、簡(jiǎn)潔的數(shù)學(xué)形式、直觀的幾何解釋，而且能夠較好地解決小樣本、非線性、維數(shù)災(zāi)難和局部極小等問題，在諸多領(lǐng)域得到廣泛的應(yīng)用，成為人工智能和機(jī)器學(xué)習(xí)領(lǐng)域的研究熱點(diǎn)。
　　 本文在分析了支持向量機(jī)相關(guān)理論的基礎(chǔ)上，針對(duì)支持向量機(jī)模型訓(xùn)練和模型選擇的相關(guān)問題展開討論，主要研究了樣本約簡(jiǎn)以及核函數(shù)參數(shù)選擇的問題，在分析了現(xiàn)有算法優(yōu)劣的基礎(chǔ)上，提出了新的算法，并通

2、過驗(yàn)證了新算法的可行性和有效性。本文的主要工作如下：
　　 1.提出了改進(jìn)的基于相似度的二次樣本約簡(jiǎn)算法。由于支持向量機(jī)的訓(xùn)練過程需要求解二次規(guī)劃問題，樣本數(shù)的多少直接影響二次規(guī)劃問題的復(fù)雜度，本文通過樣本約簡(jiǎn)算法在模型訓(xùn)練之前對(duì)樣本集進(jìn)行約簡(jiǎn)，縮小二次規(guī)劃問題的規(guī)模，并提出用樣本約簡(jiǎn)的思想來處理不平衡數(shù)據(jù)的分類問題，通過實(shí)驗(yàn)證實(shí)了該算法的可行性。
　　 2.提出一種快速高斯核函數(shù)參數(shù)選擇算法。高斯核函數(shù)在實(shí)際中的應(yīng)用十