基于樣本幾何估計值的支持向量機研究.pdf

1、隨著各行各業(yè)的發(fā)展，數(shù)據(jù)挖掘正在更廣泛地應用于存在著大量數(shù)據(jù)的地方，如銀行，保險等行業(yè)。而大量的數(shù)據(jù)只是存放在那里，并沒有提供有用的信息，此外若是人工地去分析這些數(shù)據(jù)會非常地費時，這就越來越需要有效的手段和方法，快速地從大量的數(shù)據(jù)中獲取有價值的信息。而這就是數(shù)據(jù)挖掘的主要任務。本文首先介紹了數(shù)據(jù)挖掘的研究和應用背景。由于本文主要研究的是分類方法中的支持向量機，因而介紹了支持向量機的基本概念，以及支持向量機的基本分類和預測原理，并詳細分析

2、了一些支持向量機相關的典型算法及其優(yōu)缺點。為求解隨后的支持向量機問題即帶有約束的問題奠定基礎，分析了求解無約束問題的一些典型算法。在此基礎上，針對國內外的支持向量機算法進行了在分類性能的高低，訓練時間的長短等方面的對比和分析。 在分析了一些結合數(shù)據(jù)樣本幾何性質的相關支持向量機分類方法研究基礎上，提出了一種新的基于樣本幾何估計值的支持向量機分類方法。首先利用數(shù)據(jù)樣本的幾何性質，提出樣本幾何估計值的概念，它較好并有效地反映了樣本的幾

3、何性質，且計算簡便。并由此形成新的求解支持向量機的目標函數(shù)與約束函數(shù)。并在數(shù)據(jù)樣本線性與非線性可分的情況下，形成新的基于樣本幾何估計值的支持向量機。用乘子法進行求解，并進行了理論上的數(shù)學推導。最后用實驗做出了相關性能的分析對比。實驗表明，新的基于樣本幾何估計值的支持向量機分類方法有著較好的分類性能和較短的訓練時間。 特別地，當數(shù)據(jù)樣本較多時，為了縮短支持向量機的訓練時間，提出了新的基于樣本幾何估計值的支持向量機輔助分類策略。首先

4、，結合樣本的幾何性質，提出樣本整體偏離度的概念。其目的利用已經提出的幾何估計值的概念來進行支持向量機的輔助分類，而不是單獨提出輔助分類方法，較好地利用了樣本本身的幾何性質。解決了當數(shù)據(jù)樣本較多時，支持向量機的訓練時間較長的問題。同樣地，通過實驗來分析支持向量機的分類性能。實驗表明，帶有輔助分類策略的基于樣本幾何估計值的新支持向量機比已有相關的支持向量機分類方法有著更好的分類性能，更少的訓練時間。這些方法的提出，不僅在理論上對于支持向量機