普適計算環(huán)境下基于SVM的信息分類方法的研究.pdf

1、在普適計算環(huán)境中,情境信息分析非常重要,它對普適計算環(huán)境下的應(yīng)用能否提供正確服務(wù)起著決定性的作用。普適計算的應(yīng)用要求對情境信息快速而準(zhǔn)確的分類和管理,然而收集到的信息往往數(shù)量巨大,類別繁多,因此找出一種有效的分類方式并應(yīng)用于普適計算環(huán)境具有很重要的意義。支持向量機分類方法是一種基于統(tǒng)計學(xué)習(xí)理論的機器學(xué)習(xí)方法,在非線性和高維樣本訓(xùn)練中都表現(xiàn)出特有的優(yōu)勢。支持向量機分類方法以其理論優(yōu)勢,在文本分類應(yīng)用領(lǐng)域已經(jīng)取得優(yōu)秀的效果,同時支持向量機分

2、類方法在人臉識別和圖像處理等其他領(lǐng)域也有廣泛的研究和應(yīng)用。
　　本文在研究了支持向量機的多種算法之后,針對向量乘法提出了半稀疏算法,并將其應(yīng)用于序列最小優(yōu)化方法,提高了在大規(guī)模稀疏矩陣中向量乘法的運算速度,從而優(yōu)化了SVMTorch分類器的計算性能。通過理論分析,在兩個分別含有m和n個元素的向量上進行比較和尋址時,使用傳統(tǒng)的稀疏算法的SVMTorch算法需要消耗O(m+n)的時間,而半稀疏算法則可以在O(n)的時間內(nèi)完成這兩個向量

3、的乘法處理,同時不影響支持向量機分類器的精確度。實驗結(jié)果顯示,基于半稀疏算法的SVMTorch分類器計算性能顯著優(yōu)于原始SVMTorch分類器的性能。在WebKB和20-newsgroup兩個語料庫上,基于半稀疏算法的SVMTorch訓(xùn)練時間分別是原始SVMTorch的54.32％和74.95%。此外,本文還對支持向量機的SVMTorch分類器加以拓展,使它不僅支持多分類單標(biāo)簽的分類問題,同時還支持多分類多標(biāo)簽的分類問題,通過更新SVM