基于數(shù)據(jù)關(guān)系的SVM多分類方法研究.pdf

1、如何對大規(guī)模多類數(shù)據(jù)進行有效高精度分類是數(shù)據(jù)挖掘領(lǐng)域所要解決的重要問題，而待處理數(shù)據(jù)類間的關(guān)系提取則是該分類問題的關(guān)鍵。數(shù)據(jù)關(guān)系提取是指將待分類數(shù)據(jù)類間的隱含關(guān)系（包括屬性、特征、邊界等）找出，通過訓(xùn)練得到分類器（組）將不同類別的數(shù)據(jù)分類，而數(shù)據(jù)關(guān)系提取的優(yōu)劣則會影響到分類結(jié)果。在解決現(xiàn)實問題及科學研究的過程中，多類數(shù)據(jù)分類問題也越來越受到研究人員的重視，許多高效地多分類算法也大量涌現(xiàn)?；谥С窒蛄繖C(Support Vector Ma

2、chine，SVM)的多分類方法是將SVM分類思想與多分類方法相結(jié)合，對數(shù)據(jù)樣本之間的數(shù)據(jù)關(guān)系優(yōu)化提取并訓(xùn)練出分類器組合?；跀?shù)據(jù)關(guān)系的SVM多分類方法充分將SVM良好的學習和分類能力與“一對一”思想相結(jié)合，對多類樣本進行劃分并從中獲取冗余信息，從而優(yōu)化分類器組，提高樣本數(shù)據(jù)集分類精度。論文主要工作包括:
　　 (1)對已有的SVM多方法進行了分析總結(jié)，指出現(xiàn)有SVM多分類算法中存在的主要問題，并針對這些問題進行探索研究。

3、>　　 (2)對不平衡數(shù)據(jù)分類問題進行了總結(jié)概括，指出現(xiàn)有不平衡數(shù)據(jù)分類方法的優(yōu)勢與不足，并針對這些不足提出改進策略。
　　 (3)提出一種針對于平衡多類數(shù)據(jù)的基于向量積的SVM多分類方法—DR-SVM學習算法，并對DR-SVM算法思想進行了研究和探討。該方法使用基于向量內(nèi)積的方法將待分類數(shù)據(jù)樣本進行預(yù)處理，在預(yù)處理的基礎(chǔ)上摒棄冗余信息，有效標注SVM的訓(xùn)練樣本，優(yōu)化分類器組模型，提高數(shù)據(jù)樣本分類效率。
　　 (4)提

4、出一種針對于不平衡的多類數(shù)據(jù)的基于空間擴展的SVM多分類方法——SS-SVM方法。SS-SVM方法首先利用基于空間擴展的方法對待分類數(shù)據(jù)進行預(yù)處理，增加訓(xùn)練集中少類樣本的數(shù)量，降低分類不平衡度，提高少類樣本的分類效率。
　　 (5)針對實驗中出現(xiàn)的“小區(qū)塊”問題、“冗余分類”問題、“絕對不平衡”問題等，在DR-SVM和SS-SVM的基礎(chǔ)上進行改進和優(yōu)化，參考和利用一系列的決策原則，并將這些原則應(yīng)用到具體類別劃分問題上。