支持向量機(jī)中參數(shù)選取的一個(gè)問題.pdf

1、隨著計(jì)算機(jī)和信息技術(shù)的快速發(fā)展，人們需要花費(fèi)昂貴的代價(jià)收集、存儲(chǔ)和處理海量的數(shù)據(jù)．?dāng)?shù)據(jù)挖掘源于數(shù)據(jù)庫技術(shù)引發(fā)的海量數(shù)據(jù)和人們利用這些數(shù)據(jù)的愿望．用數(shù)據(jù)管理系統(tǒng)存儲(chǔ)數(shù)據(jù)，用機(jī)器學(xué)習(xí)的方法分析數(shù)據(jù)、挖掘海量數(shù)據(jù)背后的知識(shí)，便促成了數(shù)據(jù)挖掘(data mining)的產(chǎn)生．如何從中發(fā)現(xiàn)有用的信息，已經(jīng)成為一個(gè)迫切需要解決的問題，數(shù)據(jù)挖掘技術(shù)在這種背景下應(yīng)運(yùn)而生．?dāng)?shù)據(jù)挖掘就是在數(shù)據(jù)庫中發(fā)現(xiàn)有用的、潛在的、最終可理解的模式的非平凡過程．它是一門交

2、叉學(xué)科，涉及機(jī)器學(xué)習(xí)、數(shù)學(xué)規(guī)劃、數(shù)理統(tǒng)計(jì)、模式識(shí)別等相關(guān)技術(shù)． 支持向量機(jī)(support vector machine，SVM)是數(shù)據(jù)挖掘中的一項(xiàng)新技術(shù)，是借助于最優(yōu)化方法解決機(jī)器學(xué)習(xí)問題的新工具．它是機(jī)器學(xué)習(xí)領(lǐng)域若干標(biāo)準(zhǔn)技術(shù)的集大成者．它集成了最大間隔超平面、Mercer核、凸二次規(guī)劃、稀疏解和松弛變量等多項(xiàng)技術(shù)．在若干挑戰(zhàn)性的應(yīng)用中，獲得了目前為止最好的性能．在美國科學(xué)雜志上，支持向量機(jī)以及核學(xué)習(xí)方法被認(rèn)為是“機(jī)器學(xué)習(xí)領(lǐng)域

3、非常流行的方法和成功的例子，并是一個(gè)十分令人矚目的發(fā)展放向”． 首先本文給出了一種新的計(jì)算支持向量機(jī)中正則參數(shù)和核參數(shù)的方法，與已有的一些算法不同，它是將C和γ作為優(yōu)化問題中的變量來處理，并通過遺傳算法和確定性算法相結(jié)合來解這個(gè)平衡約束優(yōu)化問題，從而求出支持向量機(jī)(SVM)在分類問題中的正則參數(shù)C和γ其中遺傳算法用來求解以C和γ為變量的優(yōu)化問題，而確定性算法對每一對C和γ值求解約束． 另外通過數(shù)值計(jì)算將該方法的的結(jié)果與已