支撑向量机据分类方法.pdfVIP

摘要 摘要 支撑向量柑L(SVM)是九十年代中期发展起来的新的机器学习技术，与传统的神 习理论为基础．传统统计学的前提条件是由足够多的样本，而统计学习理论是着重 研究小样本条件下的统计规律和学习方法的，它是机器学习问题建立了一个好的 理论框架．实践证明，建立在统计学习理论幅LT)之上的支撑向量机不仅结构简单， 而且技术性能尤其是推广能力明显提高，能够解决好大量现实中的小样本学习问 题，它是一个全新的神经网络技术．目前，SVM已成为国际上机器学习领域的研究 热点．本文希望能深入系统地对支撑向量机fsvMl进行了研究讨论． 论文的主要贡献可归纳如下： 首先，第一章简要介绍了由于传统神经网络的发展和它在机器学习上的缺陷， 导致支撑向量机的诞生；并提出了研究和应用支撑向量机的必要性和重要性以及 现有支撑向量机的研究成果和存在的不足．第二章探讨了支撑向量机理论基础，主 要介绍了支撑向量机概念和一般的较为通用的求解算法，而且也给出了这种算法 的数值试验，同时也体现出了该方法的缺陷和需要改进的地方，为以后的支撑向 量机方法的改进提供了理论基础． 其次，第三章介绍了支撑向量机的光滑技术，也是本文要介绍的重点内容．主 要是从支撑向量机模型的非光滑性方面考虑，沿着前几位