基于空間旋轉(zhuǎn)的支持向量機改進算法

《基于空間旋轉(zhuǎn)的支持向量機改進算法》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。

1、ＴＰ３－０１００５８＇＂變班．＾３＇＾＇，Ｆ瑚蒜ｊ？為扁巧瞧隱；．？．、…ｗ，＞？．ｉｌｌ！廉琴闘麟：．．而－…？《一－挪－心‘？一策－，叫；論文題目：基于空間旋轉(zhuǎn)的支持向量機．改進雛巧聽＾糸■學科專業(yè)：計算機科學與技術(shù)；作者姓名：田佳林Ｉ－，．寺指導教師陳科副教授：藝二Ｑ一二月？完成曰期五年十：獨創(chuàng)性聲明本人聲明所呈交的學位論文是本人在導師指導下進行的研究工作和取得的研究成果，除了文中特別加Ｗ標注和致謝之處外，論文中不包含其他人己經(jīng)發(fā)表或

2、撰寫巧的研究成果，化不巧含為獲得天津工業(yè)大學或其佈教育機構(gòu)的挙化或．證書而使用過的材料一同王作的同志對本研巧所做的任何貢獻均己在論文。與我中作了明確的說明并表示了謝意。學位論文作者簽名；貸隹；＾簽字曰期刻／方年３月曰７學位論文版權(quán)使用授權(quán)書本學位論文作者完全了解支達王業(yè)支堂＿有關(guān)保留、使用學位論文的規(guī)定。特授權(quán)天津工業(yè)大學可Ｗ將學位論義的令部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫講行檢索，并采用影印、縮印或掃描等復(fù)制手段保存、匯編供查閱和借閱。同意學校向國家有關(guān)部口或機構(gòu)送交論文的復(fù)印件和磁盤。（保密的學位論文在解

3、密后適用本授權(quán)說明）學位論文作者簽名：導師簽名扭隹桃：巧呼簽字曰期部（（年３月７曰簽字曰期：７〇《年５月曰（７學位論文的主要創(chuàng)新點一、通過對支持向量機的深入研究，發(fā)現(xiàn)支持向量機不能充分的利用樣本屬性；使用支持向量機進行類別劃分時可認為只利用了超平面法向量方向，但除該方向之外其他方向的屬性仍然有著或多或少的作用。二、提出了旋轉(zhuǎn)空間特征提取算法，利用支持向量機算法和旋轉(zhuǎn)矩陣對空間中樣本節(jié)點重復(fù)進行旋轉(zhuǎn)和投影，Ｗ達到特征提取的目的。實驗結(jié)果表明，本算法性能優(yōu)異，比目前主流的主成分分析算法提?。崳?/p>

4、的特征效果更好。摘要隨著大數(shù)據(jù)時代的到來，龐大的數(shù)據(jù)量給人們帶來無限商機，也引起了學術(shù)界、企業(yè)界及政府機構(gòu)的高度重視。但數(shù)據(jù)的復(fù)雜性和多樣性也導致數(shù)據(jù)價值密度不高，兀余數(shù)據(jù)較多等問題。如何從龐大的數(shù)據(jù)集中提取有效信息＾輔助數(shù)據(jù)！分析已成為數(shù)據(jù)挖掘和機器學習領(lǐng)域研究的焦點。一數(shù)據(jù)挖掘的個重要研究內(nèi)容是特征選擇和持征提取。其中，主成分分析算法是一種常見的特征提取方法，它通過計算協(xié)方差達到特征提取的目的。支持向一一量機最初是種用于對數(shù)據(jù)進行類別劃分和預(yù)測的機器學習算法，通過在個高一一一維空間中尋找個超平面，使

5、得分布于超平面同側(cè)的數(shù)據(jù)盡可能屬于同個類別。本文通過對支持向量機算法做深入研究后，發(fā)現(xiàn)支持向量機算法也可Ｗ被用一于特征提取，。借鑒主成分分析算法中的旋轉(zhuǎn)思想本文提出了種基于支持向量機、空間旋轉(zhuǎn)與坐標投影的特征提取方法；然后用皮爾森相關(guān)系數(shù)驗證單個特征的有效性；最后使用主流分類器驗證所提取特征的有效性。實驗結(jié)果表明，本算法在樣本集上提取到的前３個特征與分類標簽均有顯著的相關(guān)性，而第３個レッ后的將征與類標簽的相關(guān)性極弱。在不同分類器的分類結(jié)果中，當使用經(jīng)旋轉(zhuǎn)空間特征提取算法處理后的特征時，分類結(jié)果在７７％的樣本

6、集上獲得了比當使用ＰＣＡ算法處理后的特征時更髙的預(yù)測正確率，在超過８８％的樣本集上獲得了比直接使用源數(shù)據(jù)時更離的預(yù)測正確率；特別是當使用樸素貝１４葉斯算法時，％在本算法處理后的特征上比直接在源數(shù)據(jù)上正確率高出近；當，１使用單層決策樹時，在本算法處理后的特征上比在經(jīng)ＰＣＡ處理后的特征上測正確率高出近１０％。：關(guān)鍵詞支持向量機；冗余數(shù)據(jù)；大數(shù)據(jù)；特征提?。崳姡粒拢樱裕遥粒茫裕崳姡祝椋簦瑁牐簦瑁澹牐幔洌觯澹睿簦牐铮妫牐簦瑁澹牐澹颍幔牐铮妫牐猓椋纾牐洌幔簦海幔簦瑁澹牐瑁酰纾澹牐幔恚铮酰睿簦牐铮妫牐洌幔簦幔牐猓颍椋睿纾螅牐?/p>

7、ｎＨｍｉｋｄｎ，ｂｕｓｉ打ｅｓｓｏｐｐｏｒｔｕ打ｉｔｉｅｓ，ａｔｔｒａｃｔｉｎｇｔｈｅａｃａｄｅｍｉｃ，ｉｄｕｓｔｒｙａｎｄｇｏｖｅｍｍｅ打ｔａｇｅｎｃｉｅｓｒｅａｔａｔｅｎｔｉｏｎｂｕｔｗｉｔｈｄａｔａｉｓｂｅｃｏｍｉｎｉｎｃｒｅａｓｉｎｌｃｏｍｌｅｘａｎｄｄｉｖｅｒｓｅｓｏｍｅｇ，；ｇｇｙｐｉｓｓｕｅｓａｅａｒｌｔｔｔ．ｔｏｅｘｔｒａｃｔｐｐｉｋｅｌｏｗｅｒｄａａｄｅｎｓｉｙａｎｄｍｏｒｅｄａａｒｅｄｕｎｄａｎｃｙＳｏｈｏｗｕｓｅｆｕｌｉｎｆｏｒｍａｔｉｏｎ

8、ｆｒｏｍｌａｒｇｅｄａｔａｔｏｆａｃｉｌｉｔａｔｅｄａｔａａｎａｌｙｓｉｓａｎｄｃａｌｃｕｌａｔｉｏｎｓａｒｅｂｅｃｏｍｉｎｇｍｏｒｅａｎｄｍｏｒｅｉｍｏｒｔａｎ