支持向量機(jī)模型研究與設(shè)計(jì)

1、湖南大學(xué)畢業(yè)設(shè)計(jì)（論文）第I頁支持向量機(jī)實(shí)驗(yàn)?zāi)Ｐ脱芯颗c設(shè)計(jì)支持向量機(jī)實(shí)驗(yàn)?zāi)Ｐ脱芯颗c設(shè)計(jì)摘要支持向量機(jī)作為一種優(yōu)秀的學(xué)習(xí)方法，它具有理論完備、適應(yīng)性強(qiáng)、全局優(yōu)化、訓(xùn)練時間短、泛化性能好等優(yōu)點(diǎn)，已成為當(dāng)前國際機(jī)器學(xué)習(xí)界的研究熱點(diǎn)，有著很好的應(yīng)用前景。支持向量機(jī)方法與機(jī)器學(xué)習(xí)，神經(jīng)網(wǎng)絡(luò)等學(xué)科現(xiàn)有的理論和方法相比，有明顯的優(yōu)越性，特別是它局部最優(yōu)解一定是全局最優(yōu)解，克服了限于局部最小問題，這是人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法所不能及的。本文論述了支持向量機(jī)

2、的基本原理和思想，側(cè)重分析了支持向量機(jī)的SMO算法（即序列最小優(yōu)化（SMO）算法）和三種核函數(shù)（即線性內(nèi)核、徑向基函數(shù)內(nèi)核、多項(xiàng)式內(nèi)核）。本課題研究并實(shí)現(xiàn)了這種算法，并使用這種訓(xùn)練算法和這三種核函數(shù)實(shí)現(xiàn)了基于支持向量機(jī)的機(jī)器學(xué)習(xí)模型，實(shí)現(xiàn)了使用這種算法和三個核函數(shù)中的一個對數(shù)據(jù)集進(jìn)行分類。此模型能夠?qū)€性可分的和非線性可分的兩種情況的兩類數(shù)據(jù)進(jìn)行正確分類，并對分類的效果進(jìn)行分析。此模型不僅能夠裝載已有的數(shù)據(jù)進(jìn)行分類，還實(shí)現(xiàn)了手動創(chuàng)建數(shù)據(jù)

3、集的功能，可以對手動創(chuàng)建的數(shù)據(jù)集進(jìn)行分類。關(guān)鍵詞：支持向量機(jī)，分類，訓(xùn)練算法，核函數(shù)湖南大學(xué)畢業(yè)設(shè)計(jì)（論文）第II頁TheStudyDesignofExperimentModleBasedonSupptVectMachineAuth:SuHanmuTut:ZhongQingliuAbstractSupptVectMachineasakindofoutstingMachineLearningmethodshasmanyadvantages

4、suchasacompletetheyagoodcompatibilityaoveralloptimizationashttrainingtimeagoodgeneralizedcapabilitysoon.SothatitalreadybecometheresearchfocusinthefieldofinternationalMachineLearning.TheapplicationprospectofSupptVectMachi

5、neisverygood.ComparedwithothertheymethodofMachineLearningSupptVectMachinehasobvioussuperiity.Especiallyit’spartialoptimalansweristheoveralloptimalanswer.Thisiswhatartificialneuralwkcannotsolve.Thistexthasexpoundedthebasi

6、cprinciplethoughtofSupptVectMachinehaslaidparticularemphasionanalyzingonekindtrainingalgithms(SequentialMinimaloptimizeralgithm)threekernelfunctions(LinearPolynomialRBF)ofSupptVectMachine.Thisthesisresearchimplementtheth

7、reetrainingalgithmsthenimplementtheMachineLearningmodelbasedonSupptVectMachine.Youcanchooseonetrainingalgithmsoneofthethreekernelfunctionstoclassifythedatacrectlybythemodel.Themodelcanclassifytwodatasetsnomatterwhetherth

8、esetsislinearnonlinearanalysetheresultofclassification.Themodelcanclassifythedatasetswhichisloadedfromtheexistentone.Themodelimplementthefunctionofcreatingdatasetsbyuserthenclassifythedatasets.Keywds:SupptVectMachineclas