一種改進的支持向量機及其在圖像分割中的應用.pdf

1、支持向量機作為一種新的基于統(tǒng)計學習理論的機器學習方法,是對傳統(tǒng)的機器學習方法的一個很好的替代,其在小樣本、高維空間和非線性情況下表現(xiàn)出許多特有的優(yōu)勢?，F(xiàn)存的支持向量機方法能夠很好處理兩類別分類問題,但都不能很好地解決多類別分類問題,因此研究多類別支持向量機方法是人們不斷探索的目標?；趥鹘y(tǒng)學習理論的圖像分割方法,如神經(jīng)網(wǎng)絡方法,雖然得到了廣泛應用,但是卻存在著推廣能力差、網(wǎng)絡結構難以確定、容易出現(xiàn)過學習和欠學習等問題。近年來,使用SVM

2、方法進行圖像分割也引起人們極大的興趣。
　　本文從支持向量機以及圖像分割的現(xiàn)狀出發(fā),首先介紹了幾個重要概念,例如統(tǒng)計學習理論、支持向量機的基本理論以及多類別分類支持向量機,同時對現(xiàn)有的各種多類別分類支持向量機作了介紹。通過比較現(xiàn)有的多類別分類支持向量機,本文針對幾種距離定義,提出了以“一對一”支持向量機為基礎的改進支持向量機,這種改進的支持向量機主要是以改進距離以及加快測試速度為目的的,同時還通過圖像分割實驗來說明改進的支持向量機