2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩61頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、支持向量機(jī)是數(shù)據(jù)挖掘中的一項新技術(shù),是一個理論完備、適應(yīng)性強、全局優(yōu)化、泛化性能好的分類器。在若干挑戰(zhàn)性的應(yīng)用中,獲得了目前為止最好的性能。本文的主要內(nèi)容是在研究經(jīng)典SVM算法的基礎(chǔ)上,以解決實際問題,拓廣SVM的適用范圍為出發(fā)點,研究SVM分類方法及其分類應(yīng)用。 從支持向量依附的理論背景出發(fā),學(xué)習(xí)目前SVM訓(xùn)練算法的研究成果,分析它在數(shù)據(jù)挖掘中(尤其是分類算法上)的應(yīng)用,并總結(jié)了支持向量機(jī)在數(shù)據(jù)挖掘領(lǐng)域中實現(xiàn)的方向。針對其在應(yīng)

2、用中的一些局限性,揭示SVM的分類機(jī)理,提出了兩種提高SVM分類性能的方法,并結(jié)合垃圾郵件過濾的應(yīng)用,證實了這兩種方法對分類器的性能有不同程度的提高。 1.利用未標(biāo)記數(shù)據(jù)提高分類器性能的研究提出了一個解決訓(xùn)練樣本不足的方法,該方法自動從未標(biāo)記數(shù)據(jù)中挑選樣本進(jìn)行標(biāo)記,加入SVM訓(xùn)練集,并通過設(shè)置閾值在一定程度上保證所選樣本的高分辨性。 2.基于集成學(xué)習(xí)思想提高分類器性能的研究提出一種基于集成學(xué)習(xí)的KSU分類方法,對于支持向

3、量機(jī)不能很好判定的樣本,采用最近鄰方法判斷,該最近鄰算法采用支持向量集作為最近鄰居集,可以提高分類準(zhǔn)確率。 將設(shè)計的分類模型引入垃圾郵件的過濾應(yīng)用,分析了垃圾郵件產(chǎn)生的過程,對垃圾郵件過濾的常用方法進(jìn)行了總結(jié),詳細(xì)闡述了基于內(nèi)容的垃圾郵件過濾技術(shù)過程。實驗表明,與直接用分類面決策的經(jīng)典SVM相比,該模型在適用的樣本規(guī)模上表現(xiàn)出了一定的優(yōu)越性;可以在提高分類準(zhǔn)確率的同時,降低SVM對核函數(shù)及其參數(shù)選擇的依賴。模型雖然增加了一定的時

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論