基于支持向量機(jī)的海量天體光譜數(shù)據(jù)分類系統(tǒng)研究.pdf

1、近年來(lái)，支持向量機(jī)的理論已經(jīng)取得重大進(jìn)展，算法實(shí)現(xiàn)策略以及實(shí)際應(yīng)用也發(fā)展迅速。本文以國(guó)家重大科學(xué)工程LAMOST項(xiàng)目為背景，針對(duì)基于支持向量機(jī)的分類方法進(jìn)行了研究，為實(shí)現(xiàn)恒星光譜數(shù)據(jù)的多類分類問(wèn)題，提出了層次型聚類支持向量機(jī)方法。本文所做的工作主要是：
　　 首先，通過(guò)對(duì)訓(xùn)練支持向量機(jī)的優(yōu)化算法的研究，提出了一種結(jié)合塊算法的序貫最小優(yōu)化算法動(dòng)態(tài)塊SMO。該算法利用塊算法思想，將訓(xùn)練集劃劃分成兩部分，一部分為工作集，SMO在其上進(jìn)

2、行優(yōu)化，根據(jù)優(yōu)化結(jié)果，從剩余樣本中選擇樣本數(shù)據(jù)組成新的工作集。實(shí)驗(yàn)驗(yàn)證了該算法能夠進(jìn)一步降低優(yōu)化時(shí)間。
　　 其次，對(duì)已提出的支持向量多類分類器的實(shí)現(xiàn)方法進(jìn)行研究，提出了層次型聚類支持向量機(jī)多類分類器方法。該方法采用聚類分析的方法對(duì)訓(xùn)練集進(jìn)行分解，即對(duì)類別進(jìn)行聚類分析，構(gòu)造出層次型結(jié)構(gòu)，然后再進(jìn)行分類器的訓(xùn)練。該方法采用分解策略，將原問(wèn)題分解為一系列兩類分類問(wèn)題，降低了訓(xùn)練規(guī)模，提高了訓(xùn)練速度。同時(shí)，最終的多類分類器中包含較少的