支持向量机在模式分类中的应用.doc

支持向量机在模式分类中的应用
谢 骏 胡均川 笪良龙
（海军潜艇学院战术水声环境数据中心，山东青岛 ）
摘 要：介绍了支持向量机的基本思想，依据是否引入核函数，是否具有惩罚因子，支持向量分类算法被分为线性分界面硬间隔、线性分界面软间隔、非线性分界面硬间隔和非线性分界面软间隔四类，并讨论了它们的数学模型。以RBF为核函数的非线性支持向量机对2类2维样本进行的仿真分析，并与最近邻法分类结果进行了比较，结果表明支持向量机分类能力受核函数参数影响较大，当选取适当参数时，其分类性能与最近邻法相当。
关键词：特征提取；最近邻分类法；支持向量机；模式分类
中图分类号： 文献标识码：A 文章编号：
The Application of Support Vector Machines in Pattern Classification
XIE Jun，HUN Junchuan，DA Lianglong
(Naval Submarine Academy，QingDao , China)
Abstract：The foundations of support vector machines are introduced. Four mathematics models of support vector classifications including linearly hard margin SVM, linearly soft margin SVM, non- linearly hard margin SVM and non-linearly soft margin SVM are discussed. Comparison between non-linearly SVM classification with RBF kernel and nearest neighbour classification for a 2-dimension feature data set which contains two results show that the classification performance of SVM is affected by kernel function parameter. the classification performance of SVM is equivalent with nearest neighbour classification while kernel function parameter is selected appropriately.
Key words：feature abstract; nearest neighbour classification ;support vector machines; pattern classification
1、引言
在模式识别领域如何设计一种具有较好泛化能力的优良分类器一直以来是个备受关注的问题。传统的模式识别或人工神经网络方法都都是以大样本统计理论为基础的，而许多实际问题中常常面对的是小样本。如何从小样本集出发，得到泛化能力较好的模型，是模式识别研究领域内的一个难点。V