基于協(xié)同聚類的支持向量機(jī)分類方法的研究.pdf

1、目前，數(shù)據(jù)挖掘技術(shù)越來越為人們所重視。而分類是數(shù)據(jù)挖掘領(lǐng)域當(dāng)中一個非常重要的問題，聚類算法和支持向量機(jī)在處理分類問題上都表現(xiàn)地非常的出色，成了當(dāng)今數(shù)據(jù)分類的兩種十分有利的工具。其中，聚類算法能夠把大量數(shù)據(jù)點(diǎn)的集合分成若干類，使得每個類中的數(shù)據(jù)之間最大程度地相似，而不同類中的數(shù)據(jù)之間最大程度地不同。而支持向量機(jī)作為目前統(tǒng)計學(xué)習(xí)理論的VC維理論和結(jié)構(gòu)風(fēng)險最小化原則的具體實(shí)現(xiàn)算法，它能夠很好的解決傳統(tǒng)機(jī)器學(xué)習(xí)中的維數(shù)災(zāi)難和局部極小值等問題，并

2、且建立預(yù)測準(zhǔn)確率高的分類器。
　　 針對大規(guī)模數(shù)據(jù)集學(xué)習(xí)時，支持向量機(jī)難以滿足實(shí)際應(yīng)用的需求。針對此問題，在研究和分析目前有關(guān)算法的基礎(chǔ)上，將支持向量機(jī)和聚類算法相結(jié)合，提出了基于協(xié)同聚類的支持向量機(jī)分類方法。并在UCI數(shù)據(jù)集上，將該分類方法與SMO算法以及RSVM算法相比較，驗(yàn)證了該分類方法能夠有效的簡約支持向量的數(shù)量，提高分類精度，減少分類時間。
　　 本文所做的工作主要有：
　　 (1)對最小二乘支持向量回

3、歸算法(LS—SVR)進(jìn)行了改進(jìn)，對LS—SVR的最優(yōu)化問題作了一定的改進(jìn)，得到一個線性方程組。改進(jìn)后的LS—SVR只需要對這個線性方程組求解，大大簡化了求解過程。
　　 (2)提出了基于協(xié)同聚類的二類支持向量機(jī)(CC—SVM)，通過協(xié)同聚類算法得到的類中心來取代簡化的支持向量機(jī)(RSVM)中隨機(jī)選取的候選支持向量。通過實(shí)驗(yàn)證明，CC—SVM算法能夠有效的簡約支持向量的數(shù)量，提高分類效率。同時，將分類問題進(jìn)一步的推廣到支持向量機(jī)