支持向量机算法改进及应用研究

发布时间：2025-05-07 00:05

　　支持向量机是一种新型的机器学习方法,其理论基础是统计学习理论中的VC维理论和结构风险最小化原则。支持向量机的训练算法本质上是一个二次规划的求解问题,理论上具有全局最优解,因此被广泛应用在网络流量分类、数据挖掘、信号处理等诸多领域。本文主要研究了支持向量机算法的理论、核函数、支持向量机参数选取的方法及其在网络流量数据分类中的应用。本文具体的工作包含以下三个方面:(1)在传统的支持向量机中,最优分类超平面到正负两类样本之间的间隔是相等的,这导致分类超平面往往偏向数据集分布密集或者样本量大的那一类。针对此问题,本文提出一种基于不等距分类超平面的结构化支持向量机,该方法将不等距间隔的思想引入到支持向量机中,使得分类超平面具有较好的分类性能。另外,我们在该方法中引入样本之间的局部结构信息,以此来增强支持向量机的学习性能。最后,在UCI数据集上验证了该方法能有效的提高模型的分类精度。(2)本文研究了Fourier核函数的构造方法,并通过利用二次多项式函数代替Fourier核函数中的余弦项的方法,得到了一种新的函数,同时通过理论证明了新的函数是有效的核函数,实验表明,新的核函数能达到Fourier核函...

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

图2.1线性核函数下的分类精确度表2.2线性核函数下各数据集的正负类分类指标数据集TPTNFPFNBreast1018164

第2章相关知识15Ionosphere351234/11734Liver345230/1156Musk65984398/2200166Pima768512/2568Sonar208138/7060Spambase46013067/153457Vote435290/14516Wpb....

图2.2多项式核函数下的分类精确度表2.3多项式核函数下的各数据集的正负类分类指标数据集TPTNFPFNBreast417765

第2章相关知识16Sonar1020436Spambase488125143778Vote533485Wpbc520140(2)多项式核函数(,)(())dijijKxxaxxc多项式核函数中的参数d是阶数（特征调节参数），d值越大（VC维升高），映射的维数越高，分类器复杂性增加....

图2.3径向基核函数下的分类精确度表2.4径向基核函数下各数据集的正负类分类指标数据集TPTNFPFNBreast617763

第2章相关知识Wpbc510150(3)径向基核函数2(,)exp(r)jjKxxxx其中21r=02。。

图2.4Sigmoid核函数下的分类精确度表2.5Sigmoid核函数下各数据集的正负类分类指标数据集TPTNFPFNBreast816564

第2章相关知识18该核函数被广泛应用在神经网络之中，而基于Sigmoid的SVM分类器可以看作是一个仅有一个隐藏层的感知器，而节点数目可以自动额确定下来。图2.4Sigmoid核函数下的分类精确度表2.5Sigmoid核函数下各数据集的正负类分类指标数据集TPTNFPFNBrea....

本文编号：4043295