多類文本分類的支持向量機(jī)網(wǎng)絡(luò).pdf

1、本文通過分析和總結(jié)現(xiàn)有的幾種典型支持向量機(jī)算法，提出了一種新的組合SVM新構(gòu)架，對其算法的性能和應(yīng)用作了深入研究。主要工作包括： (1)對文本分類的概念、分類技術(shù)進(jìn)行系統(tǒng)地介紹。 (2)系統(tǒng)地研究了支持向量機(jī)的求解方法。主要有支持向量機(jī)的二次規(guī)劃求解法、選塊法、分解法、序列最小優(yōu)化方法、基于Lagrange函數(shù)的迭代求解方法即Lagrange支持向量機(jī)、基于Smoothing處理的牛頓求解方法。這些方法是通過求解凸二次規(guī)

2、劃問題或?qū)⒋笠?guī)模問題轉(zhuǎn)化成若干子問題再求解凸二次規(guī)劃問題，或者是轉(zhuǎn)化為無約束最優(yōu)化問題再利用比較成熟的最優(yōu)化方法求解。通過對它們的分析，為提出新的支持向量機(jī)算法提供了理論基礎(chǔ)。 (3)支持向量機(jī)原本是為二類分類問題設(shè)計(jì)的，現(xiàn)在許多研究人員將其推廣到多類分類問題上。全面總結(jié)了目前存在的基于支持向量機(jī)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(jī)多類分類方法，比較了它