加權(quán)支持向量機(jī)若干算法的研究及其應(yīng)用.pdf

1、支持向量機(jī)(Support Vector Machine,SVM)是Vapnik等人于1995年首次提出的,它在解決小樣本、非線性及高維模式識(shí)別中表現(xiàn)出許多特有的優(yōu)勢.其主要思想是將向量映射到一個(gè)更高維的空間里,在這個(gè)空間里建立一個(gè)最大間隔超平面.
　　 本文首先介紹了所研究問題的背景以及支持向量機(jī)的理論基礎(chǔ),主要是統(tǒng)計(jì)學(xué)習(xí)理論,包括學(xué)習(xí)過程的一致性,邊界理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理等內(nèi)容,然后給出了最基本的支持向量機(jī)算法.接著我們

2、討論了各種衍生的支持向量算法,通過比較各種衍生的支持向量機(jī)算法的優(yōu)缺點(diǎn),為改進(jìn)支持向量機(jī)算法以及提出新的支持向量機(jī)算法做了理論準(zhǔn)備.
　　 在實(shí)際應(yīng)用中,某些樣本比較重要,我們更希望它能夠被正確分類,而某些樣本相對來說沒那么重要,因此,在建立分類模型時(shí),對重要的樣本點(diǎn)采用較大的懲罰系數(shù),對相對來說不那么重要的樣本采用較小的懲罰系數(shù),以期得到更符合實(shí)際的分類模型,我們稱這種支持向量機(jī)為加權(quán)支持向量機(jī),其實(shí)普通支持向量機(jī)也可以看作是

3、所有懲罰系數(shù)都為1的特殊的加權(quán)支持向量機(jī).現(xiàn)在的加權(quán)支持向量機(jī)主要是指加權(quán)C-SVM.而我們又想利用各種衍生的支持向量機(jī)算法的優(yōu)點(diǎn),因此在第四章,我們主要討論了各種衍生的支持向量機(jī)的加權(quán)方法.
　　 One-class SVM主要用于解決單分類問題,比如說異常點(diǎn)的尋找,現(xiàn)在我們把該方法應(yīng)用到多分類問題,通過引入歸屬度這個(gè)概念,該方法是可以應(yīng)用到多分類問題的,我們在第五章給出了具體的操作方法.
　　 第六章是算法驗(yàn)證,我們