資源描述：
《svm分類器置信度的研究》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、廠——————一密級：保密期限：姥章印童火警碩士研究生學位論文學姓專導(dǎo)學號：．一Q2重圣墨Q一．．名：嫠踅．業(yè)：槿萎遲型皇蟹篚丕纏師：衄垡地熬援．．．．院：讓篡扭堂院2010年3月10日●j^t^獨創(chuàng)性(或創(chuàng)新性)聲明本人聲明所呈交的論文是本人在導(dǎo)師指導(dǎo)下進行的研究工作及取得的研究成果。盡我所知，除了文中特別加以標注和致謝中所羅列的內(nèi)容以外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得北京郵電大學或其他教育機構(gòu)的學位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻均已在論文中作了明確的說明并表示了謝意．申請學位論文與資料若
2、有不實之處，本人承擔一切相關(guān)責任．本人簽名：岔名]日期：如／o·多-／孓關(guān)于論文使用授權(quán)的說明學位論文作者完全了解北京郵電大學有關(guān)保留和使用學位論文的規(guī)定，即：研究生在校攻讀學位期間論文工作的知識產(chǎn)權(quán)單位屬北京郵電大學。學校有權(quán)保留并向國家有關(guān)部門或機構(gòu)送交論文的復(fù)印件和磁盤，允許學位論文被查閱和借閱；學?？梢怨紝W位論文的全部或部分內(nèi)容，可以允許采用影印、縮印或其它復(fù)制手段保存、匯編學位論文。(保密的學位論文在解密后遵守此規(guī)定)保密論文注釋t本學位論文屬于保密在—年解密后適用本授權(quán)書。非保密論文注釋：本學位論文不屬于保密范圍，適用本授權(quán)書。本人簽名：
3、鯔≥．一．日期：坦壘：蘭：!幺。．．一導(dǎo)師簽名：幺j笙幽．日期：2==!：：芻!Z．■f●J～人．^以一SVM分類器置信度的研究摘要當今，由于海量數(shù)據(jù)的形成，迫切需要將這些數(shù)據(jù)轉(zhuǎn)換成有用的信息和知識，促進了數(shù)據(jù)挖掘的應(yīng)用，使這一技術(shù)迅速得到發(fā)展和完善。數(shù)據(jù)挖掘是數(shù)據(jù)庫、人工智能和統(tǒng)計學等學科的研究熱點領(lǐng)域之一。而分類技術(shù)作為數(shù)據(jù)挖掘技術(shù)的一個重要研究方面，受到研究者們的廣泛關(guān)注。支持向量機(SVM)是最重要的分類技術(shù)之一，也是近年來機器學習領(lǐng)域的研究熱點，是借助最優(yōu)化理論解決分類問題的有力工具，在許多實際分類應(yīng)用中都表現(xiàn)了良好的性能。本文對SVM分類器
4、分類結(jié)果的置信度評估及決策修正算法進行了研究，利用直接得到的觀察量來反映識別結(jié)果之間的相對可靠性，共設(shè)計了四種算法。通過實驗證明了其中一種算法為最佳算法。在該算法中，我們在分類器預(yù)測階段獲取待測樣本和最優(yōu)分類超平面的距離，并且計算待測樣本的．i『個近鄰訓練樣本與待測樣本經(jīng)Libsvm判斷的初始分類結(jié)果同屬一類的概率。對于給定的拒識率，該算法拒識并修正置信度小于相應(yīng)置信度閾值的樣本分類結(jié)果。實驗結(jié)果證明此置信度評估及決策修正算法能夠很好地提高分類中常用的Libsvm分類器的性能，并且該算法具有相當?shù)姆€(wěn)定性。關(guān)鍵詞：支持向量機置信度閾值拒識一f■≯一RES
5、EARCHESoNALGORITHMFORCONllDENCEABSTRACTAtpresent，theemergenceofvastamountsofdata，urgentlyneedtobeconvenedintousefulinformationandknowledge．Thispromotedapplicationofdatamining，andthistechnologyrapidlydevelopedandimproved．Dataminingisaactiveresearchfieldinvolvingdisciplinessuchasd
6、atabases，artificialintelligenceandstatistic．Amongthem，asanimportantaspectofdataminingtechnology,classificationtechnologyhasalwaysbeenconcernedaboutbyresearchers．Inrecentyears，supportvectormachineisonehottechnologyofmachinelearningresearchfields，andalsothemostimportant—classifica
7、tiontechnologies，apowerfultooltosolveclassificationproblemsusingoptimizationtheory．Itshowedgoodperformanceinmanypracticalapplications．ThispaperfocusesOntheresearchofalgorithmtoestimateconfidencemeasureanddecisionmodificationofsupportvectormachine(SVM)．Totally4algorithmsusingpara
8、meterstoreflecttheconfidencesofrecognitionresul
