基于最大間隔聚類算法的SVM反問題研究.pdf

1、支持向量機(jī)是一種監(jiān)督學(xué)習(xí)方法,以統(tǒng)計(jì)學(xué)習(xí)理論為基礎(chǔ),因良好的學(xué)習(xí)能力和泛化能力,一直以來在機(jī)器學(xué)習(xí)算法中,受到廣泛的關(guān)注。同時(shí),人們一直試圖將支持向量機(jī)良好的分類學(xué)習(xí)性能應(yīng)用在聚類學(xué)習(xí)中,并且提出了很多方法。為此,人們提出支持向量機(jī)反問題。支持向量機(jī)反問題是相對正問題而言,它是一種非(半)監(jiān)督學(xué)習(xí)。本文提出一種通過將支持向量機(jī)的最優(yōu)平面理論擴(kuò)展到聚類算法中,通過尋找能促成最大間隔的一組最優(yōu)標(biāo)簽,而并非在給定標(biāo)簽的樣本上尋找最大間隔,從而

2、完成支持向量機(jī)的反問題求解。
　　 本文在支持向量機(jī)的模型上,提出一種基于錯分的最大間隔聚類算法。首先,本文對支持向量機(jī)算法進(jìn)行了較為深入的研究,提出通過將支持向量最優(yōu)平面理論應(yīng)用到聚類算法中,解決支持向量機(jī)反問題,并在現(xiàn)有最大間隔聚類算法進(jìn)行剖析對比之后,提出一種基于錯分的最大間隔聚類算法,通過對錯分支持向量的篩選和標(biāo)簽替換來實(shí)現(xiàn)最大間隔,同時(shí)通過實(shí)驗(yàn)仿真驗(yàn)證了該方法的有效性,并且經(jīng)過與k均值和MMC的聚類結(jié)果進(jìn)行比較發(fā)現(xiàn),基