基于支持向量機的海量天體光譜數(shù)據(jù)分類系統(tǒng)研究.pdf

1、近年來，支持向量機的理論已經(jīng)取得重大進展，算法實現(xiàn)策略以及實際應用也發(fā)展迅速。本文以國家重大科學工程LAMOST項目為背景，針對基于支持向量機的分類方法進行了研究，為實現(xiàn)恒星光譜數(shù)據(jù)的多類分類問題，提出了層次型聚類支持向量機方法。本文所做的工作主要是：
　　 首先，通過對訓練支持向量機的優(yōu)化算法的研究，提出了一種結(jié)合塊算法的序貫最小優(yōu)化算法動態(tài)塊SMO。該算法利用塊算法思想，將訓練集劃劃分成兩部分，一部分為工作集，SMO在其上進

2、行優(yōu)化，根據(jù)優(yōu)化結(jié)果，從剩余樣本中選擇樣本數(shù)據(jù)組成新的工作集。實驗驗證了該算法能夠進一步降低優(yōu)化時間。
　　 其次，對已提出的支持向量多類分類器的實現(xiàn)方法進行研究，提出了層次型聚類支持向量機多類分類器方法。該方法采用聚類分析的方法對訓練集進行分解，即對類別進行聚類分析，構(gòu)造出層次型結(jié)構(gòu)，然后再進行分類器的訓練。該方法采用分解策略，將原問題分解為一系列兩類分類問題，降低了訓練規(guī)模，提高了訓練速度。同時，最終的多類分類器中包含較少的