数据挖掘与处理论文.docxVIP

南京理工大学 课程考核课题 课程名称： 课题题目：  数据挖掘与处理 支持向量机 组 长： 组 员：  陈志岩（  912113850117） 成 绩： 任课教师评语： 签名： 年 月 日 支持向量机 一、概述： 支持向量机是数据挖掘中的一项新技术， 是在统计学习理论基础上发展起来 的一种新的数据挖掘方法， 借助于最优化方法解决机器学习问题的新工具。 统计 学习理论是一种专门研究小样本情况下机器学习规律的理论， 其主要内容包括以 下四个方面： 1、经验风险最小化准则下统计学习一致性的条件 2、在这些条件下关于统计学习方法推广性的界的结论 3、在这些界的基础上建立的小样本归纳推理准则 4、实现新的准则的实际方法 二、前期知识： SVM的背景简介 支持向量机 (Support Vector Machine) 是 Cortes 和 Vapnik 于 1995 年首先 提出的，它在解决小样本、 非线性及高维模式识别中表现出许多特有的优势， 并 能够推广应用到函数拟合等其他机器学习问题中。 支持向量机方法是建立在统计学习理论的 VC 维理论和结构风险最小原理 基础上的，根据有限的样本信息在模型的复杂性 （即对特定训练样本的学习精度， Accuracy ）和学习能力（即无错误地识别任意样本的能力）之间寻求最佳折衷， 以期获得最好的推广能力（或称泛化能力）。 所谓 VC维是对函数类的一种