基于Matlab的SVM模式分类方法的实验系统.docVIP

湖南大学毕业设计（论文） 第 PAGE IV 页 基于Matlab的SVM模式分类方法的实验系统 摘 要 支持向量机（SVM）是近来提出的基于统计学习理论的解决模式识别问题的新技术，因其出色的学习性能，已成为目前国际机器学习界的研究热点。传统的统计学前提是有足够多样本，当样本数目有限时难以取得理想的效果。但在实际问题中，样本常常有限，导致一些理论上优秀的学习方法在实际应用中不能达到预期效果，而支持向量机(SVM)能够较好的解决这一问题。 本文主要阐述了SVM分类方法的基本原理和课题的设计思想及相关的实现方法，并在最后侧重分析了核函数的选择和样本的大小对性能的影响。设计方案如下：首先选择线性核函数（Linear）和径向基函数（RBF）等核函数作为内积运算，并利用支持向量机分解算法解决二次规划问题来创建一个SVM分类器。在该实验系统中，最大的特点是用户可以通过图形界面方便地进行一些基本的操作，即装载已有的数据集，也可以创建新的数据集，并选择不同的核函数训练支持向量机分类器，能够对数据进行正确的分类，比较直观地显示了分类的结果。 关键词：支持向量机，模式分类，训练算法，二次规划问题，核函数 The Experimental System about the Method of Pattern Classificati