若干改進(jìn)的支持向量分類(lèi)機(jī).pdf

1、支持向量機(jī)（SVM）是九十年代中期發(fā)展起來(lái)的新的機(jī)器學(xué)習(xí)技術(shù)，與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)（NN）技術(shù)不同，NN是以傳統(tǒng)統(tǒng)計(jì)學(xué)習(xí)理論為基礎(chǔ)，SVM是以現(xiàn)代統(tǒng)計(jì)學(xué)習(xí)理論（SLT）為基礎(chǔ)。傳統(tǒng)統(tǒng)計(jì)學(xué)的前提是要有足夠多的樣本，它為機(jī)器學(xué)習(xí)問(wèn)題建立了一個(gè)很好的理論框架；現(xiàn)代統(tǒng)計(jì)學(xué)習(xí)理論是一種小樣本理論，具有更強(qiáng)的實(shí)用性。實(shí)踐表明，建立在SLT之上的支持向量機(jī)不僅結(jié)構(gòu)簡(jiǎn)單，而且技術(shù)性能尤其是推廣能力明顯提高，能夠很好地解決現(xiàn)實(shí)中大量的小樣本學(xué)習(xí)問(wèn)題，而利用核

2、函數(shù)又能將線性方法推廣至對(duì)非線性情形。目前，SVM已成為國(guó)際上機(jī)器學(xué)習(xí)領(lǐng)域新的研究熱點(diǎn)。 本文提出了若干算法對(duì)支持向量機(jī)（SVM）加以改進(jìn)。主要工作包括以下四個(gè)方面：一是對(duì)支持向量機(jī)理論基礎(chǔ)――學(xué)習(xí)問(wèn)題進(jìn)行了簡(jiǎn)介，尤其是對(duì)Vapnik等人的統(tǒng)計(jì)學(xué)習(xí)理論（SLT）結(jié)合分類(lèi)學(xué)習(xí)問(wèn)題作了比較系統(tǒng)的闡述；二是對(duì)模式分類(lèi)中的近似線性可分問(wèn)題提出了一種新的近似線性支持向量機(jī)（SVM），并從理論和實(shí)證分析兩個(gè)方面將該方法與線性可分SVM及已有