準線性的支持向量機訓練子集劃分的分析與研究.pdf

1、本文提出了一種基于PCA的聚類合并預處理改進算法，適用于準線性支持向量機。準線性支持向量機是一種具有準線性核函數的支持向量機，通過恰當合成復合的準線性核函數，可以防止在支持向量機訓練過程中過學習的問題。
　　基于PCA的聚類合并預處理改進算法包含如下三個部分:
　　1.用于準確捕捉分布信息的邊界監(jiān)測
　　用于分類的數據集具有高緯度和大規(guī)模的特征，尋找分類的分類邊界，只需要位于正負標簽分界線周圍的數據。本文針對傳統(tǒng)算法忽

2、略分類邊界分布特性的缺陷，提出了一種可以準確捕捉分類邊界附近數據的算法，該方法通過尋找分類邊緣附近的數據子集，減少訓練數據集的計算量，提高訓練速度。仿真實驗證明，該方法一定程度地提高了分類的準確率。
　　2.具有穩(wěn)定架構的聚類
　　為在多維空間里構建穩(wěn)定并唯一的二叉樹結構，通過層次聚類法將非線性分類邊界分成多個相對比較小的類。
　　3.基于PCA判定的聚類合并
　　因為傳統(tǒng)的層次聚類方法不能準確地捕捉到非線性分類