部分給定經(jīng)驗風(fēng)險水平的支持向量機模型.pdf

1、支持向量機(Support Vector Machine，SVM)是基于統(tǒng)計學(xué)習(xí)理論和結(jié)構(gòu)風(fēng)險最小化(Structural Risk Minimization，SRM)原則的一種機器學(xué)習(xí)方法。核參數(shù)、經(jīng)驗風(fēng)險和置信風(fēng)險的折中系數(shù)C是SVM中的模型參數(shù)。如何根據(jù)具體問題，選擇這些參數(shù)是SVM的核心和難點問題，也是SVM中的熱點研究方向。
　　 傳統(tǒng)SVM模型是通過引入置信風(fēng)險和經(jīng)驗風(fēng)險的折中系數(shù)C，最小化置信風(fēng)險和經(jīng)驗風(fēng)險的加權(quán)和

2、，來實現(xiàn)結(jié)構(gòu)風(fēng)險最小化原則。而實際問題中，常存在著對訓(xùn)練數(shù)據(jù)的先驗知識，比如“經(jīng)驗風(fēng)險總和不能超過0.1”、“訓(xùn)練點x上的相對誤差不能超過1％”等。傳統(tǒng)SVM模型不能保證這些先驗知識的準確實現(xiàn)。此外，理想折中參數(shù)C的選擇也增加了傳統(tǒng)SVM的計算費用。
　　 針對傳統(tǒng)SVM的這些問題，本文提出了滿足經(jīng)驗風(fēng)險水平先驗知識條件下的SVM建模新思路，得出了一些新的SVM模型，新模型將經(jīng)驗風(fēng)險的要求加入到傳統(tǒng)模型的約束條件中，涵蓋了經(jīng)典的

3、SVM模型(SVC and SVR)和全部經(jīng)驗風(fēng)險給定的SVM模型，因此可以看成是經(jīng)典SVM模型以及全部經(jīng)驗風(fēng)險給定的SVM模型的一般化模型，本文主要的工作有：
　　 1.提出了部分給定經(jīng)驗風(fēng)險的支持向量分類機模型，用于解決二分類問題并推導(dǎo)出它的對偶問題，KKT條件和最小序貫算法。
　　 2.提出了部分給定經(jīng)驗風(fēng)險的支持向量回歸機模型，用于解決回歸問題并推導(dǎo)出它的對偶問題，KKT條件和最小序貫算法。
　　 3.實