基于支持向量机的多类分类研究

摘要

现今流行的分类方法的重要基础是传统的统计学,前提是要有足够的样本,当样本数目有限时容易出现过学习的问题,导致分类效果不理想.引入支持向量机方法,它基于统计学习理论,采用了结构风险最小化原则代替经验风险最小化原则,较好的解决了小样本学习的问题;又由于采用了核函数思想,把非线性空间的问题转换到线性空间,降低了算法的复杂度.对其相关内容包括优化算法及多类分类问题的解决进行了研究,最后用一个实例说明了该方法的可行性和有效性.