基于超球體的PSVM算法研究.pdf

1、支持向量機(jī)(SVM)是解決分類問(wèn)題的一項(xiàng)機(jī)器學(xué)習(xí)核心技術(shù)。然而，實(shí)際工程中由于數(shù)據(jù)采集不及時(shí)，數(shù)據(jù)樣本不全面，數(shù)據(jù)不連續(xù)導(dǎo)致訓(xùn)練樣本很難覆蓋全部樣本空間，對(duì)外往往表現(xiàn)出較低的價(jià)值密度，造成分類器的泛化性與魯棒性下降。目前基于知識(shí)的支持向量機(jī)可有效解決這一問(wèn)題，但由于完備的、有效的先驗(yàn)知識(shí)難以獲取，而且知識(shí)本身往往也不足以描述數(shù)據(jù)的全部特征，使得最終分類性能提高并不明顯，甚至還可能導(dǎo)致負(fù)效應(yīng)。因此，本文提出從訓(xùn)練數(shù)據(jù)中挖掘先驗(yàn)知識(shí)的方法，

2、來(lái)有效提高分類器性能。
　　由于任何一個(gè)樣本子空間都可以通過(guò)有限開(kāi)球集合線性組合得到其開(kāi)球覆蓋。故基于訓(xùn)練樣本的這種開(kāi)球覆蓋即可描述其分布特征，從而提取出可用于分類的重要信息。正是基于這一認(rèn)識(shí)，本文提出了三種提取訓(xùn)練樣本分布特征的方法，以這些特征為基礎(chǔ)構(gòu)建有利于提高分類器性能的先驗(yàn)知識(shí)，并給出基于先驗(yàn)知識(shí)的臨近支持向量機(jī)算法：基于普通超球體的臨近支持向量機(jī)（O-PSSVM)、基于SVDD超球體的臨近支持向量機(jī)（SVDD-PSSVM

3、)、基于馬氏距離超球體的臨近支持向量機(jī)（M-PSSVM)。
　　實(shí)驗(yàn)證明引入普通超球體、SVDD超球體、馬氏距離超球體都能提高臨近支持向量機(jī)(PSVM)的泛化性和魯棒性。同時(shí)發(fā)現(xiàn)SVDD-PSSVM、PSVM的分類能力明顯強(qiáng)于SVDD分類器，M-PSSVM、PSVM的分類能力明顯強(qiáng)于馬氏距離超球體分類器，說(shuō)明SVDD和馬氏距離超球體本身不適于直接構(gòu)建分類器。
　　最后，本文將SVDD-PSSVM應(yīng)用于列車空調(diào)的單標(biāo)簽和多標(biāo)簽