多分類支持向量機(jī)增量算法及在認(rèn)知無線電系統(tǒng)中的應(yīng)用.pdf

1、支持向量機(jī)（Support Vector Machine）是非常有效的機(jī)器學(xué)習(xí)方法之一，它在處理非線性的有限樣本時(shí)表現(xiàn)優(yōu)異。支持向量機(jī)的核心思想是在兩種類別的分類數(shù)據(jù)中尋找一個(gè)最優(yōu)的分類超平面，使得這兩類數(shù)據(jù)盡可能的遠(yuǎn)離超平面，從而獲得良好的分類效果。尋找該分類超平面涉及求解凸優(yōu)化的問題，計(jì)算復(fù)雜度較高。針對(duì)日常生活中的多分類問題，使用傳統(tǒng)支持向量機(jī)二分類方法暴露出很多弊端，例如分類不平衡、分類準(zhǔn)確率低、算法復(fù)雜度高等，多分類方法由此產(chǎn)

2、生。結(jié)合多分類方法的支持向量機(jī)算法具有更廣泛的應(yīng)用前景。
　　實(shí)際環(huán)境中，樣本數(shù)據(jù)會(huì)隨著時(shí)間的變化不斷的累積，因此傳統(tǒng)的支持向量機(jī)算法已經(jīng)不能處理實(shí)時(shí)變化的數(shù)據(jù)，增量算法因此提出。本文基于對(duì)多分類雙支持向量機(jī)的延伸算法—多分類最小二乘雙支持向量機(jī)（Least Square Twin KSVC）算法提出其增量算法，給出了完整的理論推導(dǎo)和實(shí)驗(yàn)驗(yàn)證，從數(shù)學(xué)角度對(duì)該增量算法做了線性和非線性兩方面的推導(dǎo)，并選擇 UCI數(shù)據(jù)庫的幾組擁有不同類