基于支持向量機(jī)的分類算法研究.pdf

1、傳統(tǒng)的模式識(shí)別方法在處理問題時(shí)通常需要建立準(zhǔn)確的數(shù)學(xué)模型，而且在解決非線性問題時(shí)很難有好的表現(xiàn)。許多傳統(tǒng)統(tǒng)計(jì)學(xué)習(xí)方法都將基于樣本數(shù)目趨于無窮大時(shí)的漸近理論作為假設(shè)，這些方法在實(shí)際應(yīng)用中，往往表現(xiàn)不盡人意。支持向量機(jī)在解決建立模型難，維數(shù)災(zāi)難方面有很好表現(xiàn)，并且存小樣本數(shù)據(jù)中有良好應(yīng)用。正在成為繼模式識(shí)別和神經(jīng)網(wǎng)絡(luò)研究之后機(jī)器學(xué)習(xí)領(lǐng)域新的研究熱點(diǎn)。 本文在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上深入探討了支持向量機(jī)算法及其在分類中的應(yīng)用。分類實(shí)驗(yàn)分三組

2、進(jìn)行，選擇多項(xiàng)式和徑向基兩種核函數(shù)的支持向量機(jī)進(jìn)行分類仿真實(shí)驗(yàn)研究。 在分類實(shí)驗(yàn)中，我們發(fā)現(xiàn)支持向量的數(shù)量遠(yuǎn)遠(yuǎn)小于樣本數(shù)，這為我們解決大規(guī)模數(shù)據(jù)問題提供了方法。將訓(xùn)練樣本集分解成若干個(gè)小子集，按順序?qū)Ω髯蛹饌€(gè)訓(xùn)練學(xué)習(xí)，避免了大規(guī)模數(shù)據(jù)計(jì)算的麻煩。實(shí)驗(yàn)中采用不同規(guī)模的訓(xùn)練樣本集，從結(jié)果發(fā)現(xiàn)對(duì)于訓(xùn)練樣本較少的數(shù)據(jù)集，采用結(jié)構(gòu)簡(jiǎn)單的學(xué)習(xí)函數(shù)會(huì)避免出現(xiàn)過學(xué)習(xí)現(xiàn)象；相反對(duì)于訓(xùn)練樣本較多的數(shù)據(jù)集，采用結(jié)構(gòu)簡(jiǎn)單的學(xué)習(xí)函數(shù)，會(huì)降低機(jī)器學(xué)習(xí)的推