半定規(guī)劃核在垃圾標(biāo)簽檢測中的應(yīng)用研究.pdf

1、垃圾標(biāo)簽檢測是一個(gè)二分類問題，可以使用二分類的SVM支持向量機(jī)來實(shí)現(xiàn)。傳統(tǒng)SVM在處理垃圾標(biāo)簽檢測上存在以下問題：垃圾標(biāo)簽的訓(xùn)練集規(guī)模非常龐大，而且它的數(shù)據(jù)有高維性、特征復(fù)雜等特點(diǎn)，使用傳統(tǒng)的SVM直接對垃圾標(biāo)簽數(shù)據(jù)集進(jìn)行訓(xùn)練學(xué)習(xí)，會耗費(fèi)較長時(shí)間，學(xué)習(xí)精度也受影響。本文提出使用半定規(guī)劃核對傳統(tǒng)的SVM進(jìn)行改進(jìn)，主要工作如下：
　　 1、使用K-means聚類算法抽取特征向量訓(xùn)練SVM，是提高SVM訓(xùn)練效率的一種方法。垃圾標(biāo)簽數(shù)據(jù)

2、具有很強(qiáng)的非線性，傳統(tǒng)K-means算法的歐氏距離無法有效地處理非線性數(shù)據(jù)，抽取到的垃圾標(biāo)簽特征向量質(zhì)量不高。SVM核函數(shù)是有較強(qiáng)的非線性映射能力，本文將核函數(shù)與K-means聚類算法相結(jié)合，提出新算法半定規(guī)劃核K-means聚類算法，從而提高了K-means算法提取垃圾標(biāo)簽的能力，并通過實(shí)驗(yàn)驗(yàn)證新算法的有效性和可行性。
　　 2、不同的SVM核函數(shù)，其非線性映射特征不同。采用多種核函數(shù)組合的方法，是提高SVM分類能力的一個(gè)途徑