支持向量机在数据挖掘中的应用研究_0.docVIP

支持向量机在数据挖掘中的应用研究 　　摘 要：支持向量机(Support Vector Machine, SVM)是数据挖掘和机器 学习 中的一个很有效的工具。结合支持向量机在数据挖掘和机器学习中的 应用 , 介绍了支持向量机的基本原理, 发展 方向及其 研究 热点。 　　关键词：支持向量机; 数据挖掘; 机器学习 　　 　　1 SVM的提出和基本思想 　　 　　支持向量机是Vapnik等人提出的，在解决小样本、非线性及高维模式识别 问题 中表现出许多特有的优势,已应用于手写体识别、三维目标识别、人脸识别、文本图像分类等实际问题中，性能优于已有的学习 方法 ，表现出良好的学习能力。它是从线性可分情况下的线性分类面发展而来的，接着利用核函数很好的解决了非线性可分情况。 　　 　　2 支持向量机的几个发展 　　 　　（1）模糊支持向量机，引入样本对类别的隶属度函数，这样每个样本对于类别的 影响 是不同的，这种 理论 的应用提高了SVM的抗噪声的能力，尤其适合在未能完全揭示输入样本特性的情况下。 　　（2）最小二乘支持向量机。这种方法是在1999年提出，经过这几年的发展，已经应用要很多相关的领域。研究的问题已经推广到：对于大规模数据集的处理；处理数据的鲁棒性；参数调节和选择问题；训练和仿真。 　　（3）加权支持向量机（有偏样本的加权，有偏风险加权）。 　　（4）主动学习的支持向量机