双联支持向量分类机与回归机研究解决方案.docVIP

双联支持向量分类机与回归机研究 Research on Twin Support Vector Machine Classification and Regression Algorithm 摘 要 双联支持向量分类机与回归机研究 支持向量机(Support Vector Machines，简记为SVM)是一种建立在统计学习理论基础上的机器学习方法，它使用的是结构风险最小化原则(Structural Risk Minimization，简记为SRM)。 支持向量机是目前机器学习方法在数据挖掘领域中应用的一个研究热点，而双联支持向量机(Twin Support Vector Machines，简记为TWSVM)是支持向量机方法中的一个新的拓展，它是2007年才提出来的一种新的数据挖掘技术，它在理论研究和实际应用上正在快速的发展。 与数据挖掘中的其它一些方法相比，支持向量机的明显优点是： （1）具有坚实的理论依据。以统计学习理论、最优化理论等为基础，它可望成为克服“维数灾难”和“过学习”等传统困难的有力手段； （2）通过构造两条平行超平面，并使用最大间隔原则得到一个凸二次最优化问题。使用支持向量机需要选择的参数较少，实际工作者易于掌握。 2007年，Jayadeva 等人在两类分类问题中提出双联支持向量机的新方法。与支持向量机方法相比，双联支持向量机的明显优点是： （1）将支