支持向量機在數據挖掘中的應用研究

摘 要：支持向量機(Support Vector Machine， SVM)是數據挖掘和機器學習中的一個很有效的工具。結合支持向量機在數據挖掘和機器學習中的應用， 介紹了支持向量機的基本原理， 發展方向及其研究熱點。

關鍵詞：支持向量機; 數據挖掘; 機器學習

中圖分類號：TP29文獻標識碼：A文章編號：1672-3198（2008）08-0365-01

1 SVM的提出和基本思想

支持向量機是Vapnik等人提出的，在解決小樣本、非線性及高維模式識別問題中表現出許多特有的優勢，已應用于手寫體識別、三維目標識別、人臉識別、文本圖像分類等實際問題中，性能優于已有的學習方法，表現出良好的學習能力。它是從線性可分情況下的線性分類面發展而來的，接著利用核函數很好的解決了非線性可分情況。

2 支持向量機的幾個發展

（1）模糊支持向量機，引入樣本對類別的隸屬度函數，這樣每個樣本對于類別的影響是不同的，這種理論的應用提高了SVM的抗噪聲的能力，尤其適合在未能完全揭示輸入樣本特性的情況下。

（2）最小二乘支持向量機。這種方法是在1999年提出，經過這幾年的發展，已經應用要很多相關的領域。研究的問題已經推廣到：對于大規模數據集的處理；處理數據的魯棒性；參數調節和選擇問題；訓練和仿真。

（3）加權支持向量機（有偏樣本的加權，有偏風險加權）。

（4）主動學習的支持向量機。主動學習在學習過程中可以根據學習進程，選擇最有利于分類器性能的樣本來進一步訓練分類器，特能有效地減少評價樣本的數量。

（5）粗糙集與支持向量機的結合。首先利用粗糙集理論對數據的屬性進行約簡，能在某種程度上減少支持向量機求解計算量。

（6）基于決策樹的支持向量機。對于多類問題，采用二岔樹將藥分類的樣本集構造出一系列的兩類問題，每個兩類構造一個SVM。

（7）分級聚類的支持向量機。基于分級聚類和決策樹思想構建多類svm，使用分級聚類的方法，可以先把n-1個距離較近的類別結合起來，暫時看作一類，把剩下的一類作為單獨的一類，用svm分類，分類后的下一步不再考慮這單獨的一類，而只研究所合并的n-1類，再依次下去。

（8）算法上的提高。Vapnik在1995年提出了一種稱為“chunking”的塊算法，即如果刪除矩陣中對應Lagrange乘數為0的行和列，將不會影響最終結果。Osuna提出了一種分解算法，應用于人臉識別領域。Joachims在1998年將Osuna提出的分解策略推廣到解決大型SVM學習的算法。Platt于1998年提出了序貫最小優化每次的工作集中只有2個樣本。

（9）核函數的構造和參數的選擇理論研究。基于各個不同的應用領域，可以構造不同的核函數，能夠或多或少的引入領域知識。現在核函數廣泛應用的類型有：多項式逼近、貝葉斯分類器、徑向機函數、多層感知器。參數的選擇現在利用交叉驗證的方法來確認。

（10）支持向量機從兩類問題向多類問題的推廣。Weston在1998年提出的多類算法為代表。在經典svm理論的基礎上，直接在目標函數上進行改進，重新構造多值分類模型，建立k分類支持向量機。通過sv方法對新模型的目標函數進行優化，實現多值分類。

一對多（one-against-rest）——Vapnik提出的，k類——k個分類器，第m個分類器將第m類與其余的類分開，也就是說將第m類重新標號為1，其他類標號為-1。完成這個過程需要計算k個二次規劃，根據標號將每個樣本分開，最后輸出的是兩類分類器輸出為最大的那一類。不足：容易產生屬于多類別的點（多個1）和沒有被分類的點（標號均為-1）——不對，訓練樣本數據大，訓練困難，推廣誤差無界。

層（數分類方法），是對一對一方法的改進，將k個分類合并為兩個大類，每個大類里面再分成兩個子類，如此下去，直到最基本的k個分類，這樣形成不同的層次，每個層次都用svm來進行分類——1對r-1法，構建k-1個分類器，不存在拒絕分類區。

3 主要研究熱點

從上面的發展中，我們可以總結出，目前支持向量機有著幾方面的研究熱點：核函數的構造和參數的選擇；支持向量機從兩類問題向多類問題的推廣；更多的應用領域的推廣；與目前其它機器學習方法的融合；與數據預處理（樣本的重要度、屬性的重要度、特征選擇等）方法的結合。

參考文獻

［1］張學工.統計學習理論的本質［M］.北京：清華大學出版社，2000.

［2］NelloCristianini，JohnShawe-Taylor.支持向量機導論［M］.北京：電子工業出版社，2004.