支持向量机参数选择及其应用.pdfVIP

论文题目：支持向量机核参数选择及其应用 专 业：应用数学 硕士生：祝红梅 (签名)血红捣 导 师：刘叶玲 (签名)蒸l!±硷 摘要 作为结构风险最小化准则的具体实现，支持向量机方法具有全局最优、结构简单、 推广能力强等优点，近几年得到了广泛的研究。本文仔细研究了支持向量机理论，针对 支持向量机算法难以处理大规模数据的问题，应用了主成分分析方法和支持向量机相结 合的思想解决实际问题，提高了分类精度。本文主要在如下方面进行了研究和探讨： l、系统研究了支持向量机的统计学习理论基础，分析了VC维在SVM中的作用， 本文针对一类函数集的VC维的大小进行了理论上的详细的证明。 2、研究了SVM分类算法，分析了用于解决多类分类问题的策略，得出：对于使用 分解算法的支持向量机训练算法，一对一与一对多分类方法所用的训练时间比为2：K， K为样本类别数。分析了SVM的多类分类性能，并对各个方法的优缺点进行了比较和 实验分析。 3、在对SVM学习特点的深入分析基础上，论述了其在分类中的应用。分析