资源描述：
《一种基于支持向量机的蠓虫分类方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、基金项目：国家自然科学基金(10601064)一种基于支持向量机的蠓虫分类方法冯增哲1王清1王昌元1田英杰21.泰山医学院信息工程学院2710162.中国科学院数据技术与知识经济研究中心100080AClassificationMethodofMidgesBasedonSupportVectorMachineFengZengzhe1WangQing1WangChangyuan1TianYingjie21.InformationandEngineerSchoolofTaishanMedicalCollege,Shandong,Taian,China,2710162.ChineseAcad
2、emyofSciences,ResearchCenteronDataTechnologyandKnowledgeEconomy,Beijing,China,100080摘要1．引言业生态平衡，有一定的意义。讨论两类蠓虫的分类问题。利用极大化问题选自美国大学生数学建模竞赛2．模型建立“间隔”的思想，将分类问题转化为一个的一个题目—蠓的分类,其大意是：生SVM是从线性可分情况下的最优二次规划及其对偶规划问题，即支持向量机算法。通过求解此数学规划，得到一线物学家W.L.Grogan和W.W.Wirth分类线发展而来的，所谓最优分类线就性分类函数。基于该算法，通过给定的蠓试图将两种蠓虫Af和A
3、pf进行鉴别，是要求分类线不但能将两类正确分开虫的样本集，建立上述分类模型，求得一给出了9只Af和6只Apf的触角长度（训练错误率为0），而且使分类间隔最个线性分类函数，为蠓虫的正确分类提供和翅膀长度的数据(见表1)。已知Af是大。分类线方程为x·w+b=0,我们可以了一个较可靠的方法。关键词宝贵的传粉益虫，Apf是某种疾病的对它进行归一化，使得对线性可分的样d支持向量机；模式识别；蠓虫分类；分类载体,要求建立一种模型，正确区分本集(x,y)，i=1,n,xRÎ,满足ii⋯函数两类蠓虫。yi=éùëû(w·+xbi)-1≥0，i=1,⋯n(1)中图分类号：O22，Q96关于蠓虫的分类，
4、属于模式识别问此时分类间隔等于2/w，使间隔Abstract2Talkedabouttheproblemoftwokindsofmidges’题,由于Af是益虫，Apf是毒蠓，所以最大等价于使w最小。满足条件classification.Usingthemaximizemarginthought,本文识别原则的目标是：最大限度的消12（1）且使w最小的分类面叫做最transformclassificationproblemintoaquadratic2灭Apf，在此基础上，最大限度地保护优分类面，H、H上的训练样本点programminganditsdualproblem,namely
5、support12Af,因此，对蠓虫群体的识别模型的确vectormachinealgorithm.Alinearclassification就称为支持向量。functioncanbeobtainedbysolvingthemath定具有重要的意义。本文基于支持向量但当线性不可分时，如果坚持用programming.Builtuptheabove-mentionedmodelby机模型，给出一种新的蠓虫的分类方超平面进行分化，则必须“软化”对thegivenmidges’samplesetbasedonthe法，这对消灭害虫，保护益虫，保持农间隔的要求，这导致如下优化问题：algori
6、thm,andgotalinearclassificationfunction.Itprovidedareliablemethodformidges’correct表1蠓虫样本集classification.Keywordssupportvectormachine;patternrecognition;midgesclassification;classificationfunction.-267-基础及前沿研究中国科技信息2007年第4期CHINASCIENCEANDTECHNOLOGYINFORMATIONFeb.2007l取值为x=(1.14,1.78),x=(1.18,1.96
7、),得到该问题的一个分类函数。通过数1212minwC+åxi2i=1x=(1.20,1.86),x=(1.26,2.00),x=(1.28,值实验证实，该方法分类的正确率较345s.t.y((w×x+b)³1-=x,il1,2,....iii2.00),x=(1.30,1.96)；x=(1.24,1.72),高。67x³=0,il1,2,...ix=(1.36,1.74),x=(1.38,1.64),x=(1.8910利用Lagrange优化
