大样本的线性可分支持向量机算法

发布时间：2020-05-22 15:31

【摘要】：伴随产业界数据量的爆炸式增进,大数据概念的关注度也得到很大程度的提升。因为大数据的庞大、复杂多样等特征,传统的支持向量机分类算法在大数据环境下已不再实用。因而,大数据下支持向量机分类算法的研究成为各界密切关注的方向。为了能够将支持向量机应用于海量样本数据的快速分类,需要从大样本数据集中筛选潜在的支持向量集,以此作为SVM的训练集,提高学习效率。因为样本容量较大时,支持向量机的学习难度会增大,并且会消费大量的学习时间,这使得支持向量机在海量样本数据学习难以被采用。支持向量机的分离超平面是由支持向量所决定,其他训练样本点对分离超平面的确定完全不起作用。本文将大规模的数据缩减成小规模的数据,在小规模的数据上学习支持向量并进行迭代,得到最终的支持向量。本文提出了一种线性可分支持向量机分组算法,该算法将大样本随机分成若干组的小样本训练数据集,在小样本训练数据集上进行训练,得到嫌疑支持向量,将这些支持向量加到下一组进行训练,以此类推,最后一组训练得到的支持向量为大样本数据集的支持向量。其次提出了错分样本预选算法,该算法根据支持向量对分离超平面的决定性作用,在大量的训练样本数据集中去除远离分离超平面的样本点,提取支持向量的嫌疑样本,用这些嫌疑样本训练支持向量机,既使用了所有样本的有用信息,又提高了学习效率并节约了时间。实验结果表明:本文提出的两个算法与解凸二次规划所得到的支持向量完全一致,降低了支持向量机的学习难度和运行时间,具有实时性和高效性。
【图文】：

分类问题,分类器,监督学习,分程

庆大学硕士学位论文 2 分类2 分类学习.1 分类的理论基础分类（classification）是把数据按照一定的要求或者规则进行整理和归纳，进行辨别和预测[15]。分类问题的实质是利用对已知数据进行分析得到的模型新采集的未知数据进行预测的过程。分类问题包括学习和分类两个过程。在过程中，根据已知的训练数据集利用有效的学习方法学习一个分类器；在分程中，利用学习的分类器对新的输入实例进行分类，它的核心问题是监督学习类步骤如图 2.1 所示：

模型图,决策树,模型,分类决策树

的问题的基础。为了对训练数据进行正确分类，统计学方面的法，，神经网络和机器学习下的决策树、感知机、SVM 算法等。针对上述的各个方面的算法，本文主要讲述运用相对比较广和支持向量机。首先介绍这些算法的基本概念以及相应的模每个算法的优劣之处。分类算法策树树（decision tree）分为两种：分类决策树和回归决策树，其中树。因为分类问题的实质是利用对已知数据进行分析得到的模知数据进行预测的过程。决策树由结点（node）和有向边（dire中结点分为内部结点（Internal node）和叶结点（leaf node）特征或属性，叶结点表示一个类。因此，分类决策树先对已知型，再利用该模型对未知数据进行正确的预测[3]。
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：C81

【参考文献】