基于抗白噪聲理論的支持向量機(jī).pdf

1、作為上世紀(jì)九十年代興起的一種新的機(jī)器學(xué)習(xí)技術(shù)，支持向量機(jī)(Support Vector Maclline，SVM)在許多領(lǐng)域都取得了成功的應(yīng)用。但它的應(yīng)用其實(shí)大多局限于常見的標(biāo)準(zhǔn)化或者說“干凈”的數(shù)據(jù)分布情況，對于在實(shí)際應(yīng)用中不得不面對的一些數(shù)據(jù)分布不合常規(guī)或者說不“理想”的機(jī)器學(xué)習(xí)問題，比如：受噪聲干擾的數(shù)據(jù)集分類，不確定性輸入信息學(xué)習(xí)算法、不平衡數(shù)據(jù)集分類、半監(jiān)督型數(shù)據(jù)學(xué)習(xí)等，傳統(tǒng)型支持向量機(jī)的學(xué)習(xí)性能則表現(xiàn)得不盡人意，有時(shí)甚至根本

2、達(dá)不到人們所期望的學(xué)習(xí)效果，這在很大程度上影響了支持向量機(jī)向更大范圍的推廣和應(yīng)用。針對這些問題，本文就受噪聲干擾的支持向量機(jī)學(xué)習(xí)算法進(jìn)行了研究，給出了較理想的解決方案。在簡單回顧標(biāo)準(zhǔn)支持向量機(jī)及其數(shù)學(xué)基礎(chǔ)之后，本文重點(diǎn)研究了抗白噪聲理論的支持向量機(jī)學(xué)習(xí)算法。針對某些訓(xùn)練樣本存在輸入信息帶有噪聲的問題，通過引入白噪聲，高斯白噪聲及核函數(shù)的概念，結(jié)合支持向量機(jī)的特性，提出了解決抗高斯白噪聲的支持向量機(jī)分類算法。該類算法在傳統(tǒng)支持向量機(jī)的基礎(chǔ)