模式识别中支持向量机方法.pdfVIP

( ) 第37 卷第5 期 Vol 37 No 5 2003 年9 月 Jour n al of Zh ejian g Un iv ersity( Engin eer in g Scien ce) Sep 2 003 杜树新, 吴铁军 ( 工业控制技术国家重点实验室, 浙江大学 智能系统与决策研究所, 浙江 杭州, 3 1002 7) : 针对模式识别问题, 描述了支持向量机的基本思想, 着重讨论了 - 、最小二乘 、加权 和直接 MSV M SV M SVM SV M 等新的支持向量机方法, 用于降低训练时间和减少计算复杂性的海量样本数据训练算法分块法、分解法, 提 高泛化能力的模型选择方法, 以 逐一鉴别法、一一区分法、M-a ry 分类法、一次性求解等多类别分类方法 最后给 出了污水生化处理过程运行状态监控的多类别分类实例 作为结构风险最小化准则的具体实现, 支持向量机具有 全局最优性和较好的泛化能力 : 支持向量机; 模式识别; 泛化能力 : T P 181　　　　　: A　　　　　: 1008-973X( 2 003) 05-0 52 1-07 Support vector machines for pattern recognition DU Shu -x in , WU Tie-jun (N ational K ey Laboratory of Industrial Control Technology, Institute of Intelligent Systems and Decision Making, Zhej iang Uni er sity, H angzhou 310027 , China) Abstract: An ov erv iew of t he basic ideas under lyin g Support Vect or M ach in e ( SVM) for pat t ern recogni- tion was given N ew met h ods su ch as M-SVM , L S-SVM , weight ed SVM and direct SVM , t rain ing algo- rithm s in cludin g chunk in g m et h od an d decomposit ion met hod for t he sak e of fast comput at ion al sp eed an d ease of implement at ion , model selection approach es min im izing t h e gen eralization error , an d mu lt iclas s clas sificat ion met hods such as one-again st -t he-rest met hod, on e-again st-one meth od , M -ar y clas sification wer e con centr at ed Fin ally, an ex ampl e of mu lt iclass classificat ion for monit orin g operat ion st at us o wast ewat er treat ment pr ocesses was given A s a direct implementat i