基于人為誤差的支持向量機.pdf

1、支持向量機是Vapnik等人提出的一種以統(tǒng)計學(xué)習(xí)理論為基礎(chǔ)的機器學(xué)習(xí)方法，它以結(jié)構(gòu)風(fēng)險最小化代替經(jīng)驗風(fēng)險最小化作為優(yōu)化準則，在最小化樣本點誤差的同時縮小模型預(yù)測誤差的上界，從而提高了模型的泛化能力，即使在小訓(xùn)練樣本的情況下理論上也可以得到很好的效果． 對于分類問題，支持向量機的基本思想是在線性情況下，在原空間尋找兩類樣本的最優(yōu)分類超平面；而在非線性的情況下，是通過一個非線性映射將輸入數(shù)據(jù)映射到一個高維內(nèi)積空間并在這一高維特征空間

2、中尋找最優(yōu)分類超平面，因此可以很好的解決樣本高維問題．另外，支持向量機通過解一個線性約束的二次規(guī)劃問題得到全局最優(yōu)解． 本文以解決分類問題為目標，對支持向量分類機從理論和模型等方面進行深入研究，主要工作如下： 1.從兩類訓(xùn)練樣本近似線性可分的情況入手，本文對傳統(tǒng)的支持向量機算法及其變形算法進行分析和研究． 2.通過對傳統(tǒng)的支持向量機算法及其變形算法的分析和研究，考慮當訓(xùn)練集數(shù)據(jù)有較大人為誤差參與的情況．本文以訓(xùn)練