用于數(shù)據(jù)挖掘的支持向量機算法研究.pdf

1、數(shù)據(jù)挖掘(：DM)是一類新興的智能化數(shù)據(jù)處理工具，廣泛的應(yīng)用于數(shù)據(jù)庫中的知識發(fā)現(xiàn)過程。機器學習算法是DM系統(tǒng)的核心組成部分，優(yōu)秀的學習機器能夠大大提高DM的性能和效率。 支持向量機(SvM)是基于統(tǒng)計學習理論的小樣本預測工具。該工具是一類泛化性能很好的學習機器。以SVM為工具研究DM任務(wù)的課題，具有一定的理論價值和現(xiàn)實意義。 本文實現(xiàn)了SVM在DM中的應(yīng)用。主要的研究內(nèi)容包括： 1．對DM和機器學習領(lǐng)域的理論模型

2、、算法和實現(xiàn)技術(shù)，做了概括性的綜述2．利用支持向量分類器(SVC)和支持向量回歸機(SVR)，解決了DM中的分類與回歸問題。實驗包括小樣本實驗數(shù)據(jù)和大樣本現(xiàn)實數(shù)據(jù)庫。根據(jù)實驗結(jié)果，分析了與性能有關(guān)的一些問題3．考察了以小波函數(shù)作為核函數(shù)的小波支持向量機(WSVM)的性能4．用遺傳算法(GA)實現(xiàn)了SvM模型的參數(shù)優(yōu)化，用具體的數(shù)值實驗證實了該優(yōu)化過程的可靠性文中的推導及實驗，均使用標準的方法或工具完成，絕大部分是可模擬或可重復的。本文內(nèi)