基于SVM的數(shù)據(jù)挖掘分類技術(shù)研究.pdf

1、隨著計(jì)算機(jī)技術(shù)和網(wǎng)絡(luò)通訊技術(shù)的日益發(fā)展，大量數(shù)據(jù)涌到人們面前。如何有效地選擇需要的信息成為了越來越突出的問題，數(shù)據(jù)挖掘技術(shù)就是順應(yīng)這種需要而發(fā)展起來。 分類技術(shù)作為數(shù)據(jù)挖掘技術(shù)的一個(gè)重要方面，一直備受研究者的關(guān)注，已產(chǎn)生了很多好的解決方法，其中本論文中研究的支持向量機(jī)方法就是一個(gè)很有效的分類方法，它是以統(tǒng)計(jì)學(xué)習(xí)理論為基礎(chǔ)而發(fā)展起來的一種新的分類方法。它使用結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則代替經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化原則，較好地處理小樣本情況下的學(xué)習(xí)問題

2、。又由于采用了核函數(shù)思想，它能把非線性問題轉(zhuǎn)化為線性問題來解決，并降低了算法的復(fù)雜度。 本文首先討論了統(tǒng)計(jì)學(xué)習(xí)理論的一些基本知識(shí)，其中包括了機(jī)器學(xué)習(xí)，VC維，推廣性的界和結(jié)構(gòu)風(fēng)險(xiǎn)最小化等。接下來重點(diǎn)介紹了支持向量機(jī)，包括了它的發(fā)展歷史和現(xiàn)狀，主要的基本概念和研究內(nèi)容，并針對(duì)當(dāng)前幾種基于支持向量機(jī)的多值分類算法的不足，分析了多值分類的過程，采用基于相對(duì)分離度的新的多值分類算法，最后的數(shù)值實(shí)驗(yàn)說明算法是可行的、有效的。另外，針對(duì)支持