基于支持向量機(jī)的分類問(wèn)題研究

　　本書(shū)由淺入深，前期在支持向量機(jī)基礎(chǔ)上，引入模糊隸屬度函數(shù)，對(duì)不同樣本選取不同權(quán)重，通過(guò)樣本模糊隸屬度的值確定該樣本隸屬某一類的程度，為提高SVM抗噪能力，應(yīng)用模糊支持向量機(jī)對(duì)英語(yǔ)語(yǔ)篇進(jìn)行情感分類，分類效果優(yōu)于支持向量機(jī)的分類。在前期研究的基礎(chǔ)之上，分別應(yīng)用SVM和FSVM進(jìn)行了中文語(yǔ)篇的情感分類，并對(duì)分類效果進(jìn)行對(duì)比。仿真實(shí)驗(yàn)的結(jié)果說(shuō)明，針對(duì)中文本進(jìn)行情感分類，模糊支持向量機(jī)分類效果優(yōu)于支持向量機(jī)。為了驗(yàn)證最小二乘支持向量機(jī)方法的可行性和優(yōu)越性，先將最小二乘支持向量機(jī)方法應(yīng)用于經(jīng)濟(jì)領(lǐng)域，驗(yàn)證了最小二乘支持向量機(jī)方法的可行性，繼而分別以“車評(píng)”和“影評(píng)”作為樣本，應(yīng)用最小二乘支持向量機(jī)方法進(jìn)行中文語(yǔ)篇的情感分類。

暫缺《基于支持向量機(jī)的分類問(wèn)題研究》作者簡(jiǎn)介