[發明專利]一種基于支持向量機的核矩陣近似方法

無效

• 申請號: 201110151858.4
• 申請日: 2011-08-15
• 公開（公告）號: CN102426562A
• 公開（公告）日: 2012-04-25
• 發明（設計）人: 廖士中;楊晨豪;丁立中
• 申請（專利權）人: 天津大學
• 主分類號: G06F17/17
• 分類號: G06F17/17;G06F17/16
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 李素蘭

技術領域

本發明涉及基于核方法的支持向量機的參數調節方法，特別是將原核矩陣進行近似之后再代入到學習器中進行求解。?

背景技術

支持向量機(support?vector?machine，SVM)是借助于最優化方法解決機器學習問題的新工具。它由Vapnik及其合作者發明，在1992年計算機學習理論的會議上介紹進入機器學習領域，之后受到了廣泛的關注。近年來在其理論研究和算法實現方面都取得了突破性進展，并成為克服“維數災難”和“過學習”等傳統困難的有力手段。SVM的理論體系涵蓋的對象極為廣泛，如對偶表示、特征空間、學習理論、優化理論和算法等。SVM在文本分類、手寫識別、圖像分類、生物信息學等領域中獲得了比較好的應用。?

1)支持向量機?

令X表示輸入空間，Y表示輸出域，通常有?二分類問題中Y＝{-1，1}，則訓練集可表示為S=((x1,y1),...,(xl,yl))⊆(X×Y)l,]]>其中，x_i，y_i為樣例輸入及對應的標簽，l為訓練集規模.?

minΣi,j=1lyiyjαiαjK(xi,xj)-2Σi=1lαi,]]>