最小閉包球SVM算法的研究與應(yīng)用.pdf

1、支持向量機(jī)方法已成為數(shù)據(jù)挖掘中不可缺少的一項(xiàng)技術(shù)，它成為近年來數(shù)據(jù)挖掘技術(shù)的新熱點(diǎn)?，F(xiàn)有的支持向量機(jī)大多速度較慢，無法適應(yīng)實(shí)際應(yīng)用。2005年Tsang 提出的核心向量機(jī)(Core Vector Machine)算法，其最顯著的特點(diǎn)是對(duì)支持向量機(jī)中最花費(fèi)存儲(chǔ)空間和訓(xùn)練時(shí)間的二次規(guī)劃問題（Quadratic programming，QP）進(jìn)行改進(jìn)，使用最小閉包球(Minimum Enclosing Ball，MEB)來解決，從而縮短了求解

2、二次規(guī)劃問題的時(shí)間。本文在使用核心向量機(jī)(Core VectorMachine，CVM)來解決入侵檢測(cè)和航班延誤預(yù)警這兩個(gè)實(shí)際應(yīng)用過程中，對(duì)核心向量機(jī)做如下改進(jìn)：
　　 針對(duì)入侵檢測(cè)中樣本數(shù)據(jù)集過于龐大，學(xué)習(xí)速度過慢且未充分利用先驗(yàn)知識(shí)等問題，提出了基于中心約束最小閉包球的加權(quán)二類算法，即首先利用先驗(yàn)知識(shí)確定一種新的基于相對(duì)緊密度的方法計(jì)算樣本權(quán)值并將其融合到二類支持向量機(jī)中，然后轉(zhuǎn)化為中心約束的最小閉包球進(jìn)行訓(xùn)練。實(shí)驗(yàn)結(jié)果表明

3、，該方法比現(xiàn)有的支持向量機(jī)具有更合理的分類面并且訓(xùn)練速度得到明顯提高。
　　 目前支持向量機(jī)分類問題，大多只針對(duì)兩類問題進(jìn)行處理而不能滿足實(shí)際應(yīng)用的需要，提出了基于中心約束最小閉包球的加權(quán)多類算法。該方法比多類核心向量機(jī)有更高的精度，比支持向量機(jī)有更快的訓(xùn)練速度。
　　 針對(duì)排列問題，提出了基于最小閉包球的排列算法，即首先給出了基于最大化間隔原則的排列算法的原始表達(dá)形式，然后歸結(jié)為最小閉包球問題。經(jīng)理論分析，該算法的時(shí)間