基于支持向量機(jī)的貨幣識別研究.pdf

1、論文圍繞支持向量機(jī)分類器的算法及支持向量機(jī)應(yīng)用于貨幣識別進(jìn)行了一些探索性的研究。貨幣識別是一個(gè)小樣本、非線性和高維模式識別問題，是當(dāng)前模式識別中的難題之一，具有重要的研究意義和實(shí)用價(jià)值。支持向量機(jī)是一種新的基于統(tǒng)計(jì)學(xué)習(xí)理論的機(jī)器學(xué)習(xí)算法，它可以應(yīng)用于小樣本、非線性和高維模式識別。 訓(xùn)練算法采用一種支持向量機(jī)快速算法一基于殼向量的支持向量機(jī)算法(HVSVM)。利用訓(xùn)練樣本集中的幾何信息，在樣本中首先選取一部分最有可能成為支持向量的

2、樣本一殼向量，將其作為新的訓(xùn)練樣本集再進(jìn)行SVM訓(xùn)練。由于在提取殼向量的過程中只需線性規(guī)劃運(yùn)算，之后的訓(xùn)練過程又只需處理原訓(xùn)練樣本中的一部分，大大降低了二次規(guī)劃過程的時(shí)間，使整個(gè)算法的訓(xùn)練速度大為提高。 多值分類算法采用一種基于核聚類方法的多層次SVM分類樹。該算法將核空間中的無監(jiān)督學(xué)習(xí)方法和有監(jiān)督學(xué)習(xí)方法結(jié)合起來，按照樣本集逐層核聚類的結(jié)果對多層次分類樹的子任務(wù)進(jìn)行定義，使其更為準(zhǔn)確有效。實(shí)現(xiàn)了一種結(jié)構(gòu)更加簡潔計(jì)算更有效率的多