支持向量机模型与应用综述
支持向量机模型与应用综述①
刘方园, 王水花, 张煜东
(南京师范大学计算机科学与技术学院, 南京 210023)
通讯作者: 张煜东, E-mail: yudongzhang@https://www.wendangku.net/doc/2b12023638.html,
摘 要: 依据支持向量机的发展引用多篇基于不同领域应用的文献, 包括文本识别、人体部位、车辆交通、医疗检测及其他领域. 同时从核函数方法的原理和贴合实际数据集的多分类方法两方面详细阐述支持向量机的理论基础和发展历程. 研究表明, 支持向量机技术改进和应用的发展空间是无限的, 识别分类技术的前景是广阔的.
关键词: 支持向量机; 核函数; 文本; 医疗; 车辆; 分类
引用格式: 刘方园,王水花,张煜东.支持向量机模型与应用综述.计算机系统应用,2018,27(4):1–9. https://www.wendangku.net/doc/2b12023638.html,/1003-3254/6273.html
Overview on Models and Applications of Support Vector Machine
LIU Fang-Yuan, WANG Shui-Hua, ZHANG Yu-Dong
(School of Computer Science and Technology, Nanjing Normal University, Nanjing 210023, China)
Abstract: According to the development of support vector machine, this study reviews many literatures based on applications in different domains, such as text classification, human body detection, vehicle traffic recognition, medical examination, and so on. Meanwhile, the theory and development of support vector machine are both expounded in detail from the principle of kernel function and its multiple classifications based on actual dataset. The potential improvements of support vector machine technology are infinite. We look forward to see their development prospects.
Key words: support vector machine; kernel; text; medical; vehicle; classification
1 引言
支持向量机(Support Vector Machine, SVM)是一种监督学习模式下的数据分类、模式识别、回归分析模型, 其具有强大的数学基础及理论支撑. 1992年至1995年是其形成阶段, Corinna Cortes和Vapnik领导的研究小组的成员于1995年正式提出了支持向量机技术[1], 在提出之初, 其未能引起研究人员的充分重视,但随着新兴技术的涌现和发展需求, 为了更好理解研究新分类识别技术, 例如神经网络的科学性, 基于统计学习理论的支持向量机技术以其特有优势重燃研究者的探索兴趣.
为将支持向量机技术广泛应用于实际生活中并且取得良好的检测结果, 研究人员设计不同的核函数方法分别应用于简单支持向量机以达到期望结果. 通过深入研究支持向量机技术的理论基础和提出背景下,了解到核函数方法的提出和运用在保持支持向量机优势的同时修补了其用于处理非线性不可分数据的劣势.在实际应用中, 只有选择最佳的核函数来构造相应的核支持向量机, 才能更准确有效地处理模式分类问题,下文对核函数方法及其实现进行详细介绍.
目前, 支持向量机分类技术己经广泛应用于机器学习、模式识别、模式分类、计算机视觉、工业工程应用、航空应用等各个领域中, 且其分类效果可观. 例如, 在文字检测识别领域应用中, 对于文本文档, 主要
计算机系统应用 ISSN 1003-3254, CODEN CSAOBN E-mail: csa@https://www.wendangku.net/doc/2b12023638.html, Computer Systems & Applications,2018,27(4):1?9 [doi: 10.15888/https://www.wendangku.net/doc/2b12023638.html,ki.csa.006273]https://www.wendangku.net/doc/2b12023638.html, ?中国科学院软件研究所版权所有.Tel: +86-10-62661041
①基金项目:国家自然科学基金(61602250, 61503188);江苏省自然科学基金(BK20150983, BK20150982);江苏省高校自然科学研究面上项目
(16KJB520025, 15KJB470010)
收稿时间: 2017-07-10; 修改时间: 2017-07-24; 采用时间: 2017-07-26; csa在线出版时间: 2018-03-31
Special Issue 专论?综述1万方数据