支持向量机类分类算法的研究.pdfVIP

摘要 关于支持向量机多类分类问题的模型和算法的研究是当今研究的热点之一．无论是最近提出 的“一对一对余”结构的算法，还是通常用的。一对一”结构的算法，对于K类分类问题，都需 要解决K(Kq)／2个二次规划问题，使得支持向量机在求解大规模问题中就会产生速度很慢的缺 陷。因此，研究高效的求解算法是很有意义并且急需解决的问题。本文主要研究多类分类问题， 从最优化理论和算法的角度研究支持向量的最优化问题，并建立了高效的求解算法。 本文所做的主要研究工作如下： 1．构造了基于线性规划的。一对一”三类结构支持向量分类器．由Chih-WeiH等人将几个常用 的算法，如：。一对多”算法。 。一对一’算法，。有向无环图”算法，“纠错输出编码”算法以 及两种聚集算法进行了数据试验的比较，试验结果表明。一对一”算法更适合于解决多类分类问 题．但其也存在一定的缺点，由于在构造子分类器的时候，只有两类数据参与训练，容易造成由 其它数据的信息缺失而带来的错误分类的问题。由CecilioA等人提出的基于二次规划的“一对一” 三类结构支持向量机。与传统的。一对一”结构相比较。其优势在于在分解的过程中，除了需要 计算被区分的两类训练点外，其它类别中训练点的信息也被充分利用，在一定程度上可以防止由 信息的不完全带来