支持向量机反问题及其解法

摘要

支持向量机是一种新的学习机器，其以统计学习理论为基础，现已被广泛的应用于模式识别、回归及信号处理等领域，并且取得了良好的学习效果。本文以支持向量机理论为基础，提出了支持向量机反问题，即是如何将一个事例集分为两部分，才能使这两部分之间的间隔最大。间隔就是支持向量到分割超平面的距离。但是，对于一个事例集合，将其划分为两类，并使这两类间的间隔最大，并不是一件容易的事。在本文中我们使用遗传算法来解决此问题。本文给出了设计原理，计算与实现方法。并通过实例验证了这种算法的可行性与有效性。这种基于支持向量机反问题的划分方法可以成为决策树的一种新的启发式算法，使得决策树有较强的强泛化能力。

目录

文摘

英文文摘

河北大学学位论文原创性声明和使用授权声明

第1章绪论

1.1课题来源及意义

1.2国内外研究现状

1.3主要研究内容

第2章支持向量机的概念与方法

2.1机器学习的基本知识

2.2统计学习理论的简要介绍

2.3支持向量机

2.4支持向量机分类

第3章遗传算法简介

3.1遗传算法思想的提出

3.2基本遗传算法描述

第4章支持向量机反问题及其解法

4.1问题描述

4.2问题求解算法

4.3仿真试验

第5章结论与展望

参考文献

攻读硕士学位期间撰写的论文

致谢