svm研究.doc

湖北民族学院理学院2014届 本科毕业论文(设计) SVM在数据分类中的应用研究 学生姓名： 严亮 学 号： 021040418 专 业： 信息与计算科学 答辩时间： 2014年5月24日 指导老师： 向长城 评阅老师： 文军 摘 要 在大数据时代，怎么高效准确的找到自己需要的数据迫在眉睫，但数据分类方法众多，本文将重点研究SVM的突出优点。 本文用具体实验的方法去比较分类方法的准确性，我们在UCI上选择数据，然后用Libsvm去测试准确率。实验结果很鲜明的反应SVM在分类方法中优势。 虽然SVM有着完善的理论基础的能力点对于支持向量机的研究和应用还比较少，在今后成为的热点方向。 Abstract In the era of big data, how to efficient and accurate to find the data you want is imminent, but the data classification method is numerous, this study focuses on the prominent advantages of SVM. In this paper, using the method of the experiment to compare the accuracy of the classification method.We choose on UCI data, then use Libsvm to test accuracy.The experimental results very sharp reaction in the classification method of SVM. Although SVM has a sound theoretical foundation, simple structure, generalization ability and other characteristics, but your current research and application support for vector machine is still relatively small, it will in the future become a hot research direction. Keywords：Support vector machine , Data Classification,SVM,KNN, Kernel Function 目 录 摘 要 I Abstract II 1 绪言 1.1 课题背景 1 1.2 课题研究的目的和意义 1 1.2.1 课题研究的目的 1 1 1.3 国内外概况 1 1.3.1 支持向量机的研究 1 1.3.2支持向量机的训练算法 1 2 数据挖掘简述 2.1 常用方法 2 2 3 理论简介 3.1 支持向量机理论 4 3.2 支持向量机的流程 5 4 基于SVM的多分类研究 一对多法 14 一对法 14 实验 5.1 实验原则 15 15 5.3 实验结果 16 6 总结与展望 致 谢 20 参考文献 21  1 绪言 1.1 课题背景 “人们被数据淹没，却知识 1.2 课题研究的目的和意义 1.2.1 课题研究的目的 1.2.2 课题研究的意义 通过对数据的分析处理，估计一直数据中一些数据的可能值，通过数理统计的方法测出准确率，并通过对比KNN算法，突出SVM算法的诸多优点。 1.3 国内外概况 随着支持向量机的提出到现在短短几十年的时间，一直都备受国内外学者的关注，基于SVM的众多研究方向都去的了举世瞩目的成就。 1.3.1 支持向量机的研究 目前对于支持向量机的研究很多，很多学者深深的被SVM吸引。 1.3.2支持向量机的训练算法 众所周知支持向量机的最终求解问题一个有约束的二次型规划问题。常用有牛顿法，共轭梯度，内法。 2 数据挖掘简述 挖掘从大型数据库或数据仓库中提取隐含的未知的非平凡的有潜在价值的信息或模式的动态交互的过程，起核心模块主要涉及数据库技术。机器人工智能等多方面。 2.1 数据挖掘常用方法 2.2 常见数据分类方法 2.2.1 C4.5算法 给定一个数据集，其中的每一个元组都能用一组属性值来描述，每一个元组属于一个互斥的类别中的某一类。C4.5的目标是通过学习，找到一个从属性值到类别的映射关系，并且这个映射能用于对新的类别未知的实体进行分类。 2.2.2 KNN算法 KNN算法K-最近临算法，简