支持向量機模型研究與設計

1、湖南大學畢業(yè)設計（論文）第I頁支持向量機實驗模型研究與設計支持向量機實驗模型研究與設計摘要支持向量機作為一種優(yōu)秀的學習方法，它具有理論完備、適應性強、全局優(yōu)化、訓練時間短、泛化性能好等優(yōu)點，已成為當前國際機器學習界的研究熱點，有著很好的應用前景。支持向量機方法與機器學習，神經網絡等學科現有的理論和方法相比，有明顯的優(yōu)越性，特別是它局部最優(yōu)解一定是全局最優(yōu)解，克服了限于局部最小問題，這是人工神經網絡學習算法所不能及的。本文論述了支持向量機

2、的基本原理和思想，側重分析了支持向量機的SMO算法（即序列最小優(yōu)化（SMO）算法）和三種核函數（即線性內核、徑向基函數內核、多項式內核）。本課題研究并實現了這種算法，并使用這種訓練算法和這三種核函數實現了基于支持向量機的機器學習模型，實現了使用這種算法和三個核函數中的一個對數據集進行分類。此模型能夠對線性可分的和非線性可分的兩種情況的兩類數據進行正確分類，并對分類的效果進行分析。此模型不僅能夠裝載已有的數據進行分類，還實現了手動創(chuàng)建數據

3、集的功能，可以對手動創(chuàng)建的數據集進行分類。關鍵詞：支持向量機，分類，訓練算法，核函數湖南大學畢業(yè)設計（論文）第II頁TheStudyDesignofExperimentModleBasedonSupptVectMachineAuth:SuHanmuTut:ZhongQingliuAbstractSupptVectMachineasakindofoutstingMachineLearningmethodshasmanyadvantages

4、suchasacompletetheyagoodcompatibilityaoveralloptimizationashttrainingtimeagoodgeneralizedcapabilitysoon.SothatitalreadybecometheresearchfocusinthefieldofinternationalMachineLearning.TheapplicationprospectofSupptVectMachi

5、neisverygood.ComparedwithothertheymethodofMachineLearningSupptVectMachinehasobvioussuperiity.Especiallyit’spartialoptimalansweristheoveralloptimalanswer.Thisiswhatartificialneuralwkcannotsolve.Thistexthasexpoundedthebasi

6、cprinciplethoughtofSupptVectMachinehaslaidparticularemphasionanalyzingonekindtrainingalgithms(SequentialMinimaloptimizeralgithm)threekernelfunctions(LinearPolynomialRBF)ofSupptVectMachine.Thisthesisresearchimplementtheth

7、reetrainingalgithmsthenimplementtheMachineLearningmodelbasedonSupptVectMachine.Youcanchooseonetrainingalgithmsoneofthethreekernelfunctionstoclassifythedatacrectlybythemodel.Themodelcanclassifytwodatasetsnomatterwhetherth

8、esetsislinearnonlinearanalysetheresultofclassification.Themodelcanclassifythedatasetswhichisloadedfromtheexistentone.Themodelimplementthefunctionofcreatingdatasetsbyuserthenclassifythedatasets.Keywds:SupptVectMachineclas