基于脈沖核的支持向量機(jī)研究與應(yīng)用.pdf

1、數(shù)據(jù)挖掘作為信息管理領(lǐng)域的一個(gè)重要研究課題，其技術(shù)已經(jīng)廣泛地應(yīng)用到很多行業(yè)中。作為新生代的數(shù)據(jù)挖掘技術(shù)——支持向量機(jī)(SupportVectorMachine簡(jiǎn)稱SVM)是在20世紀(jì)90年代提出的。由于依據(jù)結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則，SVM較好地解決了小樣本、非線性、高維學(xué)習(xí)問題，成為了當(dāng)前數(shù)據(jù)挖掘領(lǐng)域和機(jī)器學(xué)習(xí)界的研究熱點(diǎn)。雖然目前已經(jīng)形成了一套完整的理論框架，但是SVM在處理一些實(shí)際問題時(shí)，其性能仍顯不足，圍繞核心算法展開的理論和應(yīng)用的深入

2、研究仍在繼續(xù)。通過改進(jìn)訓(xùn)練算法、提出全新算法、核函數(shù)構(gòu)造和參數(shù)選擇等途徑的研究，以進(jìn)一步提高SVM的推廣性能和學(xué)習(xí)速度。 本文在介紹了SVM的相關(guān)基礎(chǔ)知識(shí)之后，以構(gòu)造滿足Mercer條件的核函數(shù)為核心，對(duì)SVM的性能做了一些研究和探討，主要工作包括： 1.針對(duì)目前可供SVM選擇的Mercer核較少的情況，借助于Fourier變換知識(shí)，提出了一種基于Fourier變換的核函數(shù)構(gòu)造方法。經(jīng)過理論證明，運(yùn)用該方法構(gòu)造的核函數(shù)同

3、樣滿足Mercer條件，可以作為核應(yīng)用于SVM的學(xué)習(xí)過程。同時(shí)依據(jù)該方法，給出了一個(gè)構(gòu)造實(shí)例。以脈沖函數(shù)為基礎(chǔ)，構(gòu)造了脈沖核并對(duì)其參數(shù)性質(zhì)作了簡(jiǎn)要探討。通過UCI標(biāo)準(zhǔn)數(shù)據(jù)集的實(shí)驗(yàn)，表明在保證推廣能力基本不變的前提下，基于脈沖核的SVM訓(xùn)練得到的支持向量數(shù)普遍少于基于RBF核的SVM的訓(xùn)練結(jié)果。 2.雖然依據(jù)脈沖核的SVM訓(xùn)練得到支持向量集容量較小，這在一定程度上提高了預(yù)測(cè)階段的效率，但是針對(duì)規(guī)模較大的問題，SVM仍存在學(xué)習(xí)速度下

4、降的缺點(diǎn)，因此本文提出了一種基于衛(wèi)向量的簡(jiǎn)化SVM算法模型，在保證預(yù)測(cè)精確性的前提下，進(jìn)一步對(duì)SVM算法進(jìn)行了改進(jìn)，使得改進(jìn)后的SVM更適合求解大規(guī)模問題。 3.由于近年消費(fèi)信貸的升溫，信貸機(jī)構(gòu)需要對(duì)借款者的信用進(jìn)行盡可能準(zhǔn)確地評(píng)估，針對(duì)一些已有評(píng)估方法的不足，考慮到SVM預(yù)測(cè)技術(shù)對(duì)數(shù)據(jù)樣本的分布特征沒有限制，同時(shí)理論上又有較好的推廣能力，本文最后將基于脈沖核的改進(jìn)SVM模型應(yīng)用于個(gè)人信用評(píng)估中，對(duì)個(gè)人信用評(píng)估的過程進(jìn)行了簡(jiǎn)要探