普適計(jì)算環(huán)境下基于SVM的信息分類方法的研究.pdf

1、在普適計(jì)算環(huán)境中,情境信息分析非常重要,它對(duì)普適計(jì)算環(huán)境下的應(yīng)用能否提供正確服務(wù)起著決定性的作用。普適計(jì)算的應(yīng)用要求對(duì)情境信息快速而準(zhǔn)確的分類和管理,然而收集到的信息往往數(shù)量巨大,類別繁多,因此找出一種有效的分類方式并應(yīng)用于普適計(jì)算環(huán)境具有很重要的意義。支持向量機(jī)分類方法是一種基于統(tǒng)計(jì)學(xué)習(xí)理論的機(jī)器學(xué)習(xí)方法,在非線性和高維樣本訓(xùn)練中都表現(xiàn)出特有的優(yōu)勢(shì)。支持向量機(jī)分類方法以其理論優(yōu)勢(shì),在文本分類應(yīng)用領(lǐng)域已經(jīng)取得優(yōu)秀的效果,同時(shí)支持向量機(jī)分

2、類方法在人臉識(shí)別和圖像處理等其他領(lǐng)域也有廣泛的研究和應(yīng)用。
　　本文在研究了支持向量機(jī)的多種算法之后,針對(duì)向量乘法提出了半稀疏算法,并將其應(yīng)用于序列最小優(yōu)化方法,提高了在大規(guī)模稀疏矩陣中向量乘法的運(yùn)算速度,從而優(yōu)化了SVMTorch分類器的計(jì)算性能。通過(guò)理論分析,在兩個(gè)分別含有m和n個(gè)元素的向量上進(jìn)行比較和尋址時(shí),使用傳統(tǒng)的稀疏算法的SVMTorch算法需要消耗O(m+n)的時(shí)間,而半稀疏算法則可以在O(n)的時(shí)間內(nèi)完成這兩個(gè)向量

3、的乘法處理,同時(shí)不影響支持向量機(jī)分類器的精確度。實(shí)驗(yàn)結(jié)果顯示,基于半稀疏算法的SVMTorch分類器計(jì)算性能顯著優(yōu)于原始SVMTorch分類器的性能。在WebKB和20-newsgroup兩個(gè)語(yǔ)料庫(kù)上,基于半稀疏算法的SVMTorch訓(xùn)練時(shí)間分別是原始SVMTorch的54.32％和74.95%。此外,本文還對(duì)支持向量機(jī)的SVMTorch分類器加以拓展,使它不僅支持多分類單標(biāo)簽的分類問(wèn)題,同時(shí)還支持多分類多標(biāo)簽的分類問(wèn)題,通過(guò)更新SVM