主動(dòng)支持向量機(jī)的研究與應(yīng)用.pdf

1、在模式識(shí)別中，根據(jù)學(xué)習(xí)方式的不同可將其分為兩大類:有監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)。由于無(wú)監(jiān)督學(xué)習(xí)的準(zhǔn)確率通常不能令人滿意，在實(shí)際應(yīng)用中人們趨向于運(yùn)用有監(jiān)督方法。支持向量機(jī)算法作為一種常用的有監(jiān)督方法，其分類精度較高，但它的結(jié)果直接依賴于所選取的高質(zhì)量的有標(biāo)記的訓(xùn)練樣本，在現(xiàn)實(shí)生活中，完備的訓(xùn)練樣本集的獲取是非常困難的，如何有效利用樣本集中大量的未標(biāo)識(shí)樣本所隱含的信息成為關(guān)注的熱點(diǎn)。針對(duì)這種情況，本文將支持向量機(jī)和主動(dòng)學(xué)習(xí)結(jié)合起來(lái)，提出兩種改進(jìn)的

2、主動(dòng)支持向量機(jī)方法，本文主要的工作總結(jié)如下:
　　 (1)了解主動(dòng)學(xué)習(xí)與支持向量機(jī)的研究現(xiàn)狀及趨勢(shì)，并重點(diǎn)對(duì)主動(dòng)學(xué)習(xí)與支持向量機(jī)的算法理論進(jìn)行深入研究。
　　 (2)介紹了一種簡(jiǎn)單的基于距離的主動(dòng)支持向量機(jī)，以及一種被動(dòng)學(xué)習(xí)的支持向量機(jī)。并進(jìn)行了實(shí)驗(yàn)對(duì)比與分析，論證了主動(dòng)支持向量機(jī)的可行性與優(yōu)越性。
　　 (3)對(duì)主動(dòng)支持向量機(jī)算法進(jìn)行了深入研究，針對(duì)支持向量機(jī)算法的初訓(xùn)練樣本需人工選取以及分類器易受到樣本中孤立

3、點(diǎn)的影響，本文通過利用K-means聚類算法以及改進(jìn)主動(dòng)學(xué)習(xí)策略，得到一種改進(jìn)的主動(dòng)支持向量機(jī)算法，有效克服了以上的缺陷。Iris、Wine和遙感數(shù)據(jù)的實(shí)驗(yàn)結(jié)果證實(shí)該方法的有效性。
　　 (4)由于主動(dòng)學(xué)習(xí)支持向量機(jī)的主動(dòng)學(xué)習(xí)策略只注重考察超平面附近的樣本，忽略了有些距離超平面遠(yuǎn)而是支持向量的樣本，而且沒有考慮當(dāng)前超平面是否接近實(shí)際的超平面，對(duì)此本文提出了一種基于概率的主動(dòng)支持向量機(jī)算法方法，通過在IRIS數(shù)據(jù)集、WINE數(shù)據(jù)集