基于支持向量機的多類模式識別模型.pdf

1、支持向量機分類理論是針對兩類問題提出的，如何有效地將其推廣到多類是一個尚未完全解決的問題。目前解決多類問題的途徑主要有兩種：一種是在經(jīng)典支持向量機分類理論的基礎(chǔ)上，直接構(gòu)造支持向量多值分類模型；另一種是利用將兩類問題擴展到多類問題的策略，將多類問題逐步轉(zhuǎn)化為兩類問題。論文是在經(jīng)典支持向量機分類理論的基礎(chǔ)上，利用將兩類問題轉(zhuǎn)化為多類問題的方法，針對實際多分類問題樣本數(shù)據(jù)的特點，對已有多分類模式識別模型進行改進和擴展。主要的研究成果有：

2、 ①針對“一對一”的二叉樹多類模式識別模型的主要缺陷和分類模式特征變量多的問題，運用多重判別分析方法對特征變量進行特征提取和壓縮，結(jié)合多類模式識別規(guī)則，建立基于多重判別分析的支持向量機多類模式識別模型。該模型不僅充分利用了訓(xùn)練樣本的類內(nèi)與類間信息，一定程度上提高了分類器的識別準確率，并且起到了降維作用。隨后通過數(shù)據(jù)實驗驗證了該模型的可行性和有效性。 ②從分類問題原始數(shù)據(jù)獲取的途徑出發(fā)，用于分類的一些訓(xùn)練數(shù)據(jù)獲取困難，即在建立

3、分類模型時，有時會出現(xiàn)少數(shù)類別沒有相應(yīng)的訓(xùn)練樣本。在經(jīng)典支持向量機分類理論的基礎(chǔ)上，將原來分類函數(shù)的輸出定義為三種不同的輸出，運用多類模式識別模型的分類決策思想，建立了動態(tài)多分類識別模型。該模型不僅可以有效地解決拒分問題，而且可以識別一些新類別樣本，并充分利用獲得的新樣本信息，修正模式識別模型，實現(xiàn)了動態(tài)分類。隨后通過數(shù)據(jù)實驗驗證了該模型的可行性和有效性。 ③在現(xiàn)實生活中，噪聲污染使樣本對分類超平面的貢獻不一樣，特別對于某些問題

4、，樣本不能明確地歸為某一類，所以在研究分類時，不能只考慮兩個極端情況，屬于某一類的概率是1，或者不屬于某一類的概率為1。對這種不確定性分類問題，用貝葉斯后驗概率作為樣本的類別標簽，在后驗概率支持向量機分類理論的基礎(chǔ)上，利用“一對一”分類理論的分類思想，建立了基于后驗概率矩陣的多類模式識別模型。該模型為不確定性多類問題提供了一個有效解決方法，分類性能有了較大提高。隨后通過數(shù)據(jù)實驗驗證了該模型的可行性和有效性。 上述三種支持向量機的