支持向量機多類分類算法的研究及應用.pdf

1、支持向量機是由V.Vapnik等提出的一種學習技術(shù)，是借助于最優(yōu)化方法解決機器學習問題的新工具。支持向量機是機器學習領(lǐng)域若干標準技術(shù)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(shù)，在若干挑戰(zhàn)性的應用中，獲得了目前為止最好的性能。由于其具有全局最優(yōu)、結(jié)構(gòu)簡單、推廣能力強等優(yōu)點，近幾年得到了廣泛的研究并廣泛應用于模式識別等領(lǐng)域。但是支持向量機方法最初是針對二類別的分類提出的，如何將二類別分類方法擴

2、展到多類別分類是支持向量機研究的重要內(nèi)容之一。 本文仔細研究了支持向量機的理論，并針對分類問題著重討論了以下幾個方面的內(nèi)容：(1)支持向量機二類別分類算法的研究，對目前存在的多種支持向量機算法模型進行了深入分析，比較了他們的性能與應用范圍。(2)支持向量機多類分類算法的研究，全面總結(jié)了目前存在的基于支持向量機的多類別分類方法，包括“一對多”方法、“一對一”方法、一次性求解方法、決策有向無環(huán)圖方法、基于二叉樹的支持向量機多類分類方

3、法、多級支持向量機方法和其它的幾種方法，比較了它們的優(yōu)缺點及性能；并通過實驗對其中的幾種常用的方法進行了驗證與比較。(3)支持向量機超球面多類分類算法的研究，首先研究了超球面二類別分類算法，指出了它與超平面分類方法的區(qū)別，并討論了其推廣能力的性能，深入討論了其推廣能力一般的原因，即缺少了使分類間隔最大這一重要的條件；然后基于超球面二類別算法構(gòu)造了一種基于二叉樹的超球面多類分類算法，該算法不但具有良好的推廣能力，而且決策時間短。