- 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、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、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、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 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、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、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
您可能关注的文档
最近下载
- 学堂在线 实用绳结技术 期末考试答案.docx VIP
- 风力发电技术的发展现状和未来发展趋势.pptx VIP
- 医疗行业数据脱敏技术方案.docx VIP
- 新译林九年级上Unit 4 精选短语和词汇(预习+复习+默写)2024-2024学年牛津版英语九年级上册.docx VIP
- DB14T 3225-2025煤矸石生态回填环境保护技术规范.docx VIP
- 精品解析:辽宁省沈阳市第四十三中学2024-2025学年八年级上学期期中考试 数学试题(原卷版).docx VIP
- 中医内科学中风(共42张PPT).pptx VIP
- 探究与实践++湖泊生态环境治理与保护+课件-2025-2026学年八年级地理上学期湘教版(2024).pptx VIP
- 医疗器械经营质量管理制度及工作程序.docx VIP
- 额定电压110 kV(Um=126 kV)交联聚乙烯绝缘电力电缆及其附件 第1部分:试验方法和要求.pdf VIP
文档评论(0)