支持向量機(jī)參數(shù)優(yōu)化問題的研究.pdf

1、作為數(shù)據(jù)挖掘中的一項(xiàng)新技術(shù)，支持向量機(jī)是在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上發(fā)展起來的一種性能優(yōu)良的新型機(jī)器學(xué)習(xí)方法。它被認(rèn)為是機(jī)器學(xué)習(xí)領(lǐng)域非常流行的方法和成功的例子。當(dāng)支持向量機(jī)應(yīng)用于實(shí)際問題時(shí)，首先面臨的是模型參數(shù)的選擇，包括支持向量機(jī)中的參數(shù)選擇和核函數(shù)參數(shù)選擇。參數(shù)的選擇直接決定著支持向量機(jī)的訓(xùn)練效率和應(yīng)用效果，因此如何選擇參數(shù)是應(yīng)用支持向量機(jī)的主要問題。
　　本文以優(yōu)化理論為基礎(chǔ)，以數(shù)學(xué)規(guī)劃為手段，對(duì)支持向量機(jī)在實(shí)際應(yīng)用中的參數(shù)優(yōu)化問題

2、進(jìn)行研究。主要分成以下三個(gè)部分：第一部分在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)下分析了支持向量機(jī)和模糊一類支持向量機(jī)的基本模型和算法，并結(jié)合結(jié)構(gòu)風(fēng)險(xiǎn)最小化理論，分析了模型中核參數(shù)和懲罰參數(shù)對(duì)分類機(jī)性能產(chǎn)生的影響。第二部分針對(duì)支持向量機(jī)中的參數(shù)優(yōu)化問題，本文從不同角度出發(fā)對(duì)懲罰參數(shù)和核參數(shù)采用不同的優(yōu)化更新規(guī)則。首先定義分離指標(biāo)用以描述給定數(shù)據(jù)集的樣本間的分離關(guān)系，從而建立以核參數(shù)為變量的無約束優(yōu)化問題；然后將核函數(shù)參數(shù)的最優(yōu)值代入到支持向量機(jī)中，從分類機(jī)的