应用内点算法求解支持向量机分类问题
20世纪60年代以来信息存储、计算机应用等领域的飞速发展使得数据挖掘技术日益成熟.作为一门综合学科,它结合了统计学、运筹学、数据库等知识,其中分类预测技术被广泛应用到经济生活的各个领域,显示了它的巨大生命力.从贝叶斯理论到神经网络,从决策树到线性分类器,众多分类方法的涌现为使用者提供了更多的选择,哪种方法更优秀,至今仍没有结论.基于这些方法的特点,20世纪90年代,一种新兴起的算法—支持向量机以其独特的优势成为无数学者的宠儿,它风险量小化、使用核函数等特点使得支持向量机应用更广泛、适用范围更广.该文尝试在支持向量机分类中应用一种快速算法—内点算法来加快支持向量机的计算精度和准度,并和其他方法加以比较.实验结果显示,内点算法和支持向量机有着几乎完美的契合度,达到了预期的目的.
- 作者:
- 苏超
- 学位授予单位:
- 中国科学院科技政策与管理科学研究所
- 专业名称:
- 管理科学与工程
- 授予学位:
- 硕士
- 学位年度:
- 2004年
- 导师姓名:
- 黄思明
- 中图分类号:
- TP311.13
- 关键词:
- 数据挖掘;支持向量机;分类;内点算法;核函数
-