多分類支持向量機算法和應(yīng)用研究.pdf

1、支持向量機(Support Vector Machine)是基于統(tǒng)計學習理論發(fā)展起來的新的通用的機器學習算法．它已成功的應(yīng)用于人臉識別，心臟病診斷，經(jīng)濟預(yù)警等諸多領(lǐng)域，本文就支持向量機理論和應(yīng)用做了如下研究： (1)序列最小最優(yōu)化(SMO)算法是求解支持向量機中最優(yōu)化問題中最有效的算法在訓練集規(guī)模比較大的情形下，合適的“工作集”選取策略是該算法有效實現(xiàn)的關(guān)鍵，本文綜述了三種分別基于“最大違背原則”，“一階近似”，“二階近似”的“

2、工作集”選取算法． (2)支持向量機最初是用于解決兩分類問題的，如何把解決兩類問題的支持向量機模型推廣到多類問題的模型求解是一個正在研究的熱點問題，本文分別綜述了基于“分解重構(gòu)”思想的和基于“整體法”思想的各種多分類支持向量機模型．在深入研究各種多分類模型的基礎(chǔ)上，借用v-MSVC思想構(gòu)建了一種新的多分類支持向量機算法． (3)私家車已經(jīng)成為現(xiàn)代都市中產(chǎn)階級必備消費品之一，為未來私家車消費市場的消費趨勢構(gòu)建合適的分類模型