最小生成树平滑持向量机聚类算法研究及其应用.pdfVIP

最小生成树平滑持向量机聚类算法研究及其应用.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
最小生成树平滑持向量机聚类算法研究及其应用

摘 要 Vector 支持向量机(SupportMachines,SVM)是在统计学习理论基础上发展 起来的一种新的模式识别方法,近年来在其理论研究和算法实现方面取得了突破 性进展。SVM聚类方法是一种新的聚类算法,它利用核函数,通过映射把输入空 间的样本点映射到高维特征空间中进行处理。其方法在性能上比经典算法有较大 的改进,但传统SVM算法随着数据集的增加其时间复杂度呈指数级增加,如何减 少该算法的时间复杂度从而应用于实际数据挖掘问题,正是现在研究的热点。本 fJ 文针对支持向量机的聚类方法进行了研究,提出了最小生成树平滑支持向量机的 算法。本文所做的工作主要是: 首先,通过支持向量求解算法的分析,结合聚类的特性,提出了将平滑技术 引入聚类支持向量点求解的改进算法。该方法通过加入惩罚函数,将有约束的二 次优化问题转变为无约束的优化问题,从而利用传统方法进行求解,算法在有效 地保持求解支持向量精度的同时,大大提高算法的性能,节省了存储空间,使求 解过程的时间复杂度大为减少。实验验证了该算法能够进一步降低优化时间。 其次,对支持向量机聚类的标识方法和最小生成树聚类进行了研究,提出将 最小生成树应用于聚类标识的方法。该方法通过分析高维聚类数据分布特征改进 了距离表达方法,更加合理地体现了特征空间内点的相似程度,使各类样本之间 差别增大,增加了聚类的可靠性。此外,最小生成树的聚类标识大大减少了算法 的时间度,实验结果表明该算法与其它方法相比,过程更加简单,所用时间更少。 再次,将以上两种算法结合,提出了一种新的聚类算法MST-SSVC,通过实 验对算法参数做出了分析,与传统算法及支持向量机改进算法的比较表明该算法 大大简化了时间复杂度,同时精度基本不变,使得支持向量机聚类算法对实际大 数据集的处理成为可能。 。 最后,首次将该方法应用于社会养老保险个人调查数据的聚类分析中,取得 了一些有意义的结果,表明利用该算法应用于数据挖掘是可行的。’ 关键词:聚类;平滑支持向量机;最小生成树 。本文获国家社科基金项目“农村社会养老保障制度的基础框架研究”(批准号:05BSH049)支持。 Abstract Vector anew for Machines(SVM)is pattern Support methodologyrecognition, whichisbasedonstatistic itstheoreticalresearchand learningtheory.Recently havea Vector anovel algorithmgreatestdevelopment.SupportClustering(SVC)is the from to dimension method,which clustering mapssamplesinputspacehigh feature viakernel its hasbeen space functions.Althoughperformanceimproved withother time ofconventionalSVMincreases compared algorithms,thecomplexity whilethedataset itisthefocud exponentially increasing.So ofresearc

文档评论(0)

chuotuo0075779 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档