多分類廣義加權(quán)支持向量機(jī)研究.pdf

1、支持向量機(jī)(SVM)是通過執(zhí)行結(jié)構(gòu)風(fēng)險最小化原則來獲得好的推廣能力的學(xué)習(xí)機(jī)器，它最初是設(shè)計用以處理二分類問題的．然而，許多實際問題中都需要處理多類的分類問題．因而，如何有效的推廣該算法到多類的情形具有重要的實際意義．多分類學(xué)習(xí)算法的推廣性能研究是機(jī)器學(xué)習(xí)的熱點問題之一． SVM算法分類誤差受各類別樣本數(shù)多少的影響，樣本數(shù)量多的類別，其分類誤差小，而樣本數(shù)量少的類別，其分類誤差大．針對這種傾向性問題，本文在分析其產(chǎn)生原因的基礎(chǔ)上，

2、提出了廣義加權(quán)SVM算法，對類別差異造成的影響進(jìn)行了相應(yīng)的補償，提高了小類別的分類精度，從而克服了常規(guī)SVM算法不能靈活處理每一個樣本的缺陷，并用仿真試驗說明了該算法的分類精度．這對于某些需要重點關(guān)注小類別精度的應(yīng)用場合具有重要的現(xiàn)實意義． 第一部分，引言闡述了支持向量機(jī)的基本思想，介紹了多分類支持向量機(jī)的幾種主要類型和相應(yīng)背景． 第二部分，介紹了各種改進(jìn)改進(jìn)的支持向量機(jī)算法并對他們在特征性能上進(jìn)行了比較，為本文研究的問