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

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

【摘要】：支持向量機(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)計學(xué)習理論的基礎(chǔ)上發(fā)展起來的。SVM通過對已知樣本信息的分析,尋找最優(yōu)分類超平面,對未知數(shù)據(jù)進行分類,能較好地解決非線性、高維數(shù)、小樣本學(xué)習問題。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)化算法計算量大,尤其在面對數(shù)據(jù)規(guī)模較大的機器學(xué)習任務(wù)時,使得SVM建模過程較慢,從而導(dǎo)致SVM整體運行效率不高。針對以上問題,本文提出了一種改進的SVM參數(shù)優(yōu)化算法——空間折半-變步長網(wǎng)格搜索算法(Half spaceVariable step Grid Search,HVGS)。該算法首先將預(yù)設(shè)搜索步長擴大L倍并在初始空間內(nèi)進行第一次參數(shù)搜索,然后根據(jù)參數(shù)搜索結(jié)果,對初始空間進行折半并將步長縮小M倍,在折半的搜索空間內(nèi)用較小的步長進行第二次參數(shù)搜索,重復(fù)這一過程并進行第三次參數(shù)搜索,并且使第三次參數(shù)搜索時搜索步長縮小N倍至預(yù)設(shè)步長。通過兩次參數(shù)搜索空間的折半操作及三次步長的放縮操作,可以大幅提升參數(shù)的搜索效率從而減少SVM的整體運行時間。本文在利用屬性標準化及主成分分析進行數(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的支持向量機算法,并在UCI的Benchmark基準數(shù)據(jù)集上驗證了PHVSVM的準確性與高效性。最后,將PHVSVM算法應(yīng)用到網(wǎng)絡(luò)輿情情感分析中,通過其在實際應(yīng)用中的表現(xiàn)驗證了該算法在保證情感分析查全率、查準率的前提下,大幅提高分析過程的速度,從而可以提升網(wǎng)絡(luò)輿情情感分析的實時性。
【學(xué)位授予單位】：蘭州理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP18

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉春雨;朱倩男;郭滿才;周曉飛;;雙目標函數(shù)支持向量機在情感分析中的應(yīng)用[J];微電子學(xué)與計算機;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的示功圖趨勢預(yù)測[J];石油規(guī)劃設(shè)計;2015年04期

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

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

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

6 李凡;韓勝菊;王鈾鈾;張丹;;支持向量機在貝類疾病診斷中的應(yīng)用研究[J];計算機仿真;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的手勢識別[J];計算機應(yīng)用;2012年12期

9 王健峰;張磊;陳國興;何學(xué)文;;基于改進的網(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：1168902