SVM数据取与聚类分类方法研讨.pdfVIP

摘要 摘要 支持向量机由于其出色的推广能力，在近几年得到广泛的研究。虽然支持 向量机在两分类和多分类方面都取得很大进展，但是仍有待进一步的研究和改 善。 在两分类中，SVM在大规模数据上训练速度很慢，利用数据提取的方法可 以减少训练样本数目，从而加快训练速度。本文利用马氏距离和“acr一方法” 提出新的数据提取方法，在进行数据提取时根据样本点到训练集的马氏距离柬 确定样本点与样本集的位置关系，从两只提取对于建立超平面有作用的样本 点，并避免了以往的数据提取方法很强的随机性。在数据提取的过程中还考虑 到了提取的数据占原来总样本集数目的比例，通过调整d的值，可以控制数据 提取的数量，避免提取后训练样本集的数据太多或太少，并加快了支持向量机 的训练速度。 对于多分类问题，本文在聚类分类的基础上，根据二叉树思想，提出了一 种新的聚类算法来进行多分类。此方法充分利用二叉树中分两类的简便之处， 将多类的聚类简化为点的聚类，从而避免了以往聚类方法中可能出现的同一类 的点在聚类中变成不同类的问题，并结合选址问题中固定数目的配送点的选址 算法，将原问题进行简化，对多分类问题提出了新的聚类算法。 关键词支持向量机：马氏距离：聚类分类：aO一方法 Abstract Abstract vector beenstudied these becauseofits The machinehas broadlyyears support about advancementthe vector highgeneralizationability．Thoughgreat support machinehasbeenmadein classificationandmulti·class is binary classification，there stillmuchtobestudiedand improved． In ofSVMon datasetis slow． classification，thetraining very binary speed large the of So method someusefuldatacandecreasethenumberof set choosing training andacceleratethe article a newmethod trainingspeed．Thisproposes using Mahalanobisdistanceandthemethodof“ao-”tochoosetheuseful the data．During courseof determinethe relationbetweenthedataand choosingdata，we position the dataset totheMahalanobisdistance