SVM算法研究及其在中醫(yī)臟腑辨證中的應(yīng)用.pdf

1、支持向量機(jī)算法是基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化的分類方法。目前，該算法不僅在理論方面獲得了很大發(fā)展，而且在很多領(lǐng)域得以成功應(yīng)用。本文研究了支持向量機(jī)理論，針對(duì)現(xiàn)有支持向量機(jī)算法的缺陷，提出了新的支持向量機(jī)改進(jìn)算法，并將其與關(guān)聯(lián)規(guī)則相結(jié)合，運(yùn)用于中醫(yī)臟腑辨證。 本文主要工作包括： 首先研究了支持向量機(jī)算法的理論基礎(chǔ)、基本原理及現(xiàn)有的支持向量機(jī)變形算法，如C-SVM系列、v-SVM系列、One-class SVM和LS-SVM等。為提出

2、新的支持向量機(jī)改進(jìn)算法奠定理論基礎(chǔ)。 分析了現(xiàn)有二類分類支持向量機(jī)算法的不足，提出了基于類中心和屬性權(quán)重的二類分類支持向量機(jī)算法。該算法在訓(xùn)練前對(duì)訓(xùn)練集進(jìn)行處理，去掉一部分不可能是支持向量的數(shù)據(jù)。使用機(jī)器學(xué)習(xí)數(shù)據(jù)庫(kù)中的數(shù)據(jù)集進(jìn)行仿真實(shí)驗(yàn)，結(jié)果發(fā)現(xiàn)該算法能夠減少訓(xùn)練時(shí)間。 進(jìn)一步探討了各種現(xiàn)有的多類分類支持向量機(jī)算法及其不足，結(jié)合前面預(yù)處理訓(xùn)練集的思想，提出了基于類半徑的多類分類支持向量機(jī)算法。該算法在訓(xùn)練前分析了訓(xùn)練集中

3、各類所占區(qū)域的大小并進(jìn)行排序，再使用one-class SVM進(jìn)行分類。使用機(jī)器學(xué)習(xí)數(shù)據(jù)庫(kù)中的數(shù)據(jù)集進(jìn)行仿真實(shí)驗(yàn)，結(jié)果表明該算法的分類精度較高而且可以節(jié)省訓(xùn)練時(shí)間。 最后，根據(jù)中醫(yī)臟腑辨證的過程和特點(diǎn)，提出了一種基于關(guān)聯(lián)規(guī)則的約簡(jiǎn)算法，并將其與新提出的基于類半徑的多類分類支持向量機(jī)算法相結(jié)合，從而產(chǎn)生了一種新算法。該算法找出了癥狀到證候的關(guān)聯(lián)規(guī)則，并用其對(duì)中醫(yī)專家的大量醫(yī)案數(shù)據(jù)中的臟腑類癥狀群進(jìn)行約簡(jiǎn)，剔除那些與病人證候無(wú)直接關(guān)