基于支持向量機(jī)的多領(lǐng)域自適應(yīng)分類方法研究.pdf

1、支持向量機(jī)是在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上發(fā)展出的一種性能優(yōu)良的學(xué)習(xí)機(jī)器，其基本的思想是，在線性情況下，在原空間尋找兩類樣本的最優(yōu)分類超平面，而在非線性情況下，首先將原始模式空間映射到高維的特征空間，并在該特征空間中尋找最優(yōu)分類超平面。支持向量機(jī)利用一些具有特殊性質(zhì)的核函數(shù)，將低維空間中的非線性運(yùn)算實(shí)現(xiàn)為特征空間中的內(nèi)積運(yùn)算，從而巧妙地避免了計(jì)算高維特征空間。SVM根據(jù)有限的樣本信息在模型的復(fù)雜性和學(xué)習(xí)能力之間尋求最佳折衷，以期獲得最好的推廣能力

2、。SVM將機(jī)器學(xué)習(xí)中的最大間隔超平面、Mercer核、凸二次優(yōu)化、稀疏解和松弛變量等技術(shù)集成在一起，在許多挑戰(zhàn)性的問題中獲得目前為止最好的性能。 核函數(shù)是支持向量機(jī)的重要組成部分之一，也是目前支持向量機(jī)的研究熱點(diǎn)之一。不同的核函數(shù)產(chǎn)生不一樣的支持向量機(jī)?；诖?，本文對支持向量機(jī)的核函數(shù)進(jìn)行了深入研究，主要工作如下： 1)介紹了VC維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則，通過支持向量機(jī)引入核函數(shù)。討論支持向量機(jī)參數(shù)選擇的重要性，并以高