用于數(shù)據(jù)挖掘的支持向量機(jī)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(jī)器學(xué)習(xí)算法是DM系統(tǒng)的核心組成部分，優(yōu)秀的學(xué)習(xí)機(jī)器能夠大大提高DM的性能和效率。 支持向量機(jī)(SvM)是基于統(tǒng)計(jì)學(xué)習(xí)理論的小樣本預(yù)測工具。該工具是一類泛化性能很好的學(xué)習(xí)機(jī)器。以SVM為工具研究DM任務(wù)的課題，具有一定的理論價(jià)值和現(xiàn)實(shí)意義。 本文實(shí)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(jī)器學(xué)習(xí)領(lǐng)域的理論模型

2、、算法和實(shí)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(jī)(SVR)，解決了DM中的分類與回歸問題。實(shí)驗(yàn)包括小樣本實(shí)驗(yàn)數(shù)據(jù)和大樣本現(xiàn)實(shí)數(shù)據(jù)庫。根據(jù)實(shí)驗(yàn)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(jī)(WSVM)的性能4．用遺傳算法(GA)實(shí)現(xiàn)了SvM模型的參數(shù)優(yōu)化，用具體的數(shù)值實(shí)驗(yàn)證實(shí)了該優(yōu)化過程的可靠性文中的推導(dǎo)及實(shí)驗(yàn)，均使用標(biāo)準(zhǔn)的方法或工具完成，絕大部分是可模擬或可重復(fù)的。本文內(nèi)