多類支持向量機的研究與分析.pdf_第1頁
已閱讀1頁，還剩87頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領

文檔簡介

1、在機器學習領域中,支持向量機是一種非常重要的技術,近十年來非常的成功,在很多領域,如文本分類、人臉識別等都取得了很好的成績.它是基于統(tǒng)計學習理論,如結(jié)構(gòu)風險最小化規(guī)則產(chǎn)生的,這是它和機器學習其它方法的不同之處.支持向量機與核函數(shù)的結(jié)合,使它得到了快速的發(fā)展和廣泛的應用.然而,支持向量機最初是為兩類分類問題設計的,但在實際應用中需要解決的大多是多類分類問題.所以,為了讓SVM得到更好的應用,如何將支持向量機應用在多類分類問題上是現(xiàn)在研究工

2、作的重點.
　　 本文在分析研究了現(xiàn)有多類SVM方法的原理及性能,并介紹了單類SVM的分類原理后,提出了兩種新的多類SVM,一種是利用了單類SVM和兩類SVM相結(jié)合的方法,即先使用單類SVM對樣本集每一類進行訓練,再分別把每類樣本作為正類,被誤分至該類的樣本為負類,使用兩類SVM進行分類器的修正;另一種方法是針對OVO-SVM存在的不可分區(qū)域問題進行的改進,即先使用一對一方法對樣本集進行訓練,再使用一對多方法,對落在其不可分區(qū)域

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論