基于pareto多目标优化的svm多类分类算法的实现-计算机应用技术专业论文.docxVIP

武汉科技大学 硕王学位论文 第 I 页 摘要 分类学习是机器学习重要的研究内容。支持向量机 (Support Vector Machine SVM) 在众多分类算法中，具有很好的分类性能。 SVM 通过选择不同的核函数和参数可以使其具 奋不同的分类性能，在解决各种分类问题上具有很强的灵活性。同时， SVM 算法分类性能 与核函数及参数具有不可分割的关系。 SVM 算法和其它二类分类算法一样，不能有效地处 理多类分类问题。系统采用 AUC (Area Uoder the ROC Curve)评价标准，可以弥补用正确 率作为评价标准的不足。多目标优化算法针对多个量进行优化，解决了仅仅依靠一个量优 化的片面性。本文将 AUC 评价标准和 SVM 多类分类方法相结合实现多类别数据分类，通 过 Pareto 多目标优化，对 1厄(AUC) ，D(AUC)进行全局优化，设计和实现了基于 Pareto 的 多目标遗传算法优化的多类分类方法 (SVM Optimized by Multi-O时ect Optimization ?ased 00 Pareto，SVM_PARETO)0 实验结果表明， SVM_PARETO 算法比己有的多类分类 GOSMAUC 算法有着更好的分 类性能。实现的基于多目标优化的多类 SVM ，是优化多类SVM 的一种很好的尝试。 关键词: SV