基于支持向量機的貨幣識別研究.pdf

1、論文圍繞支持向量機分類器的算法及支持向量機應(yīng)用于貨幣識別進行了一些探索性的研究。貨幣識別是一個小樣本、非線性和高維模式識別問題，是當(dāng)前模式識別中的難題之一，具有重要的研究意義和實用價值。支持向量機是一種新的基于統(tǒng)計學(xué)習(xí)理論的機器學(xué)習(xí)算法，它可以應(yīng)用于小樣本、非線性和高維模式識別。 訓(xùn)練算法采用一種支持向量機快速算法一基于殼向量的支持向量機算法(HVSVM)。利用訓(xùn)練樣本集中的幾何信息，在樣本中首先選取一部分最有可能成為支持向量的

2、樣本一殼向量，將其作為新的訓(xùn)練樣本集再進行SVM訓(xùn)練。由于在提取殼向量的過程中只需線性規(guī)劃運算，之后的訓(xùn)練過程又只需處理原訓(xùn)練樣本中的一部分，大大降低了二次規(guī)劃過程的時間，使整個算法的訓(xùn)練速度大為提高。 多值分類算法采用一種基于核聚類方法的多層次SVM分類樹。該算法將核空間中的無監(jiān)督學(xué)習(xí)方法和有監(jiān)督學(xué)習(xí)方法結(jié)合起來，按照樣本集逐層核聚類的結(jié)果對多層次分類樹的子任務(wù)進行定義，使其更為準(zhǔn)確有效。實現(xiàn)了一種結(jié)構(gòu)更加簡潔計算更有效率的多