發(fā)布時(shí)間：2017-11-11 00:01

  本文關(guān)鍵詞：改進(jìn)網(wǎng)格搜索的支持向量機(jī)參數(shù)優(yōu)化研究及應(yīng)用

  更多相關(guān)文章： 支持向量機(jī) 網(wǎng)格搜索 參數(shù)優(yōu)化 輿情情感分析

【摘要】：支持向量機(jī)(Support Vector Machine,SVM)作為數(shù)據(jù)挖掘中具有代表性的分類算法,是在統(tǒng)計(jì)學(xué)習(xí)理論的基礎(chǔ)上發(fā)展起來的。SVM通過對(duì)已知樣本信息的分析,尋找最優(yōu)分類超平面,對(duì)未知數(shù)據(jù)進(jìn)行分類,能較好地解決非線性、高維數(shù)、小樣本學(xué)習(xí)問題。SVM的分類性能與其參數(shù)的選取密切相關(guān),因此SVM的參數(shù)優(yōu)化已經(jīng)成為一個(gè)備受關(guān)注的研究課題。近年來,許多學(xué)者已提出或引入了諸如網(wǎng)格搜索算法、粒子群算法、遺傳算法等SVM參數(shù)優(yōu)化算法。然而,本文在對(duì)現(xiàn)有的SVM參數(shù)優(yōu)化算法性能分析后發(fā)現(xiàn),現(xiàn)有的SVM參數(shù)優(yōu)化算法計(jì)算量大,尤其在面對(duì)數(shù)據(jù)規(guī)模較大的機(jī)器學(xué)習(xí)任務(wù)時(shí),使得SVM建模過程較慢,從而導(dǎo)致SVM整體運(yùn)行效率不高。針對(duì)以上問題,本文提出了一種改進(jìn)的SVM參數(shù)優(yōu)化算法——空間折半-變步長(zhǎng)網(wǎng)格搜索算法(Half spaceVariable step Grid Search,HVGS)。該算法首先將預(yù)設(shè)搜索步長(zhǎng)擴(kuò)大L倍并在初始空間內(nèi)進(jìn)行第一次參數(shù)搜索,然后根據(jù)參數(shù)搜索結(jié)果,對(duì)初始空間進(jìn)行折半并將步長(zhǎng)縮小M倍,在折半的搜索空間內(nèi)用較小的步長(zhǎng)進(jìn)行第二次參數(shù)搜索,重復(fù)這一過程并進(jìn)行第三次參數(shù)搜索,并且使第三次參數(shù)搜索時(shí)搜索步長(zhǎng)縮小N倍至預(yù)設(shè)步長(zhǎng)。通過兩次參數(shù)搜索空間的折半操作及三次步長(zhǎng)的放縮操作,可以大幅提升參數(shù)的搜索效率從而減少SVM的整體運(yùn)行時(shí)間。本文在利用屬性標(biāo)準(zhǔn)化及主成分分析進(jìn)行數(shù)據(jù)預(yù)處理的基礎(chǔ)上,融合了所提出的HVGS,在MATLAB下構(gòu)建了名為PHVSVM的支持向量機(jī)算法,并在UCI的Benchmark基準(zhǔn)數(shù)據(jù)集上驗(yàn)證了PHVSVM的準(zhǔn)確性與高效性。最后,將PHVSVM算法應(yīng)用到網(wǎng)絡(luò)輿情情感分析中,通過其在實(shí)際應(yīng)用中的表現(xiàn)驗(yàn)證了該算法在保證情感分析查全率、查準(zhǔn)率的前提下,大幅提高分析過程的速度,從而可以提升網(wǎng)絡(luò)輿情情感分析的實(shí)時(shí)性。
【學(xué)位授予單位】：蘭州理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP18

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 劉春雨;朱倩男;郭滿才;周曉飛;;雙目標(biāo)函數(shù)支持向量機(jī)在情感分析中的應(yīng)用[J];微電子學(xué)與計(jì)算機(jī);2016年01期

2 龔仁彬;朱文睿;丁建宇;;基于最小二乘支持向量機(jī)的示功圖趨勢(shì)預(yù)測(cè)[J];石油規(guī)劃設(shè)計(jì);2015年04期

3 曲健;陳紅巖;劉文貞;李志彬;張兵;應(yīng)亞宏;;基于改進(jìn)網(wǎng)格搜索法的支持向量機(jī)在氣體定量分析中的應(yīng)用[J];傳感技術(shù)學(xué)報(bào);2015年05期

4 曹來成;梁浩;韓薇;董勝;;基于SVR對(duì)交通流中線性關(guān)聯(lián)關(guān)系的分析與研究[J];計(jì)算機(jī)應(yīng)用研究;2015年02期

5 匡芳君;徐蔚鴻;張思揚(yáng);;基于改進(jìn)混沌粒子群的混合核SVM參數(shù)優(yōu)化及應(yīng)用[J];計(jì)算機(jī)應(yīng)用研究;2014年03期

6 李凡;韓勝菊;王鈾鈾;張丹;;支持向量機(jī)在貝類疾病診斷中的應(yīng)用研究[J];計(jì)算機(jī)仿真;2013年03期

7 于化龍;;主成分分析應(yīng)用研究綜述[J];經(jīng)營(yíng)管理者;2013年03期

8 張秋余;王道東;張墨逸;劉景滿;;基于特征包支持向量機(jī)的手勢(shì)識(shí)別[J];計(jì)算機(jī)應(yīng)用;2012年12期

9 王健峰;張磊;陳國(guó)興;何學(xué)文;;基于改進(jìn)的網(wǎng)格搜索法的SVM參數(shù)優(yōu)化[J];應(yīng)用科技;2012年03期

10 申慧s，

本文編號(hào)：1168902