CAJ | 학술논문

化学模式分类问题通常是非线性的,而且比较复杂,难以用经典统计方法建立分类判别模型.以支持向量机(SVM)构建的分类器具有更好的分类性能.对于非线性分类,SVM通过核函数将其映射到高维特征空间中,然后再进行线性分类.因此,核函数往往是决定SVM非线性分类性能的关键.实际应用时,一般通过选择几种核函数,并对其参数进行优化,然后根据分类器的预测性能来决定,训练过程非常耗时,而且结果难以保证最优.为此,采用一种通用性的核函数,即Person Ⅶ核函数(PUKF),它可取代目前常用的几种核函数,可避免SVM非线性分类器训练过程的核函数选择问题.本研究将基于PUKF的SVM分类器应用于两个化学模式分类问题,均取得了较好的结果.对于多类分类,设计了一种子分类器的构造方法,它在分类性能保持较好的情况下,简化了多类分类器结构,大大降低了计算量.
화학모식분류문제통상시비선성적,이차비교복잡,난이용경전통계방법건립분류판별모형.이지지향량궤(SVM)구건적분류기구유경호적분류성능.대우비선성분류,SVM통과핵함수장기영사도고유특정공간중,연후재진행선성분류.인차,핵함수왕왕시결정SVM비선성분류성능적관건.실제응용시,일반통과선택궤충핵함수,병대기삼수진행우화,연후근거분류기적예측성능래결정,훈련과정비상모시,이차결과난이보증최우.위차,채용일충통용성적핵함수,즉Person Ⅶ핵함수(PUKF),타가취대목전상용적궤충핵함수,가피면SVM비선성분류기훈련과정적핵함수선택문제.본연구장기우PUKF적SVM분류기응용우량개화학모식분류문제,균취득료교호적결과.대우다류분류,설계료일충자분류기적구조방법,타재분류성능보지교호적정황하,간화료다류분류기결구,대대강저료계산량.