哈尔滨工业大学2009届本科优秀毕业设计（论文）选集
基于遗传算法的核支持向量机研究
理学院数学系：宋丽妍指导教师：张池平
摘要：针对传统支持向量机识别能力的缺陷，本文重点研究了基于支持向量机和遗传算法的混合算法，并就适定性函数做了深入研究。该算法的主要思想是在分类建模时使用支持向量机模型，但在求解决策超平面的最优化问题时使用遗传算法。混合算法能够直接得到分类超平面的系数，这在经典的支持向量机分类技术中很难实现。根据具体的数学模型、染色体及适定性函数的不同，分别建立了三种混合算法。仿真结果显示了这一算法广阔的发展前景。关键词：关键词：支持向量机；核方法；遗传算法；分类问题Abstract：Co
cer
i
gtheshortcomi
gsofrecog
itio
oftraditio
alsupportvectormachi
esthispaperfocuseso
the：hybridizatio
betwee
supportvectormachi
esa
dge
eticalgorithma
ddoesa
i
depthqualitativeresearcho
fit
essfu
ctio
Themai
ideaofthealgorithmisco
sideri
gtheclassificatio
taskasi
SVMbutusi
ga
ge
eticalgorithmtosolvetheoptimizatio
problemofdetermi
i
gthedecisio
fu
ctio
Theyca
explicitlyacquirethecoefficie
tsoftheseparati
ghyperpla
ewhichisofte
otpossiblewithi
theclassicaltech
iqueAccordi
gtothespecificchoiceofmathematicalmodelchromosomea
dfit
essfu
ctio
wehaveestablishedthreetypesofhybridalgorithmstheobtai
edresultsshowthepromiseofthis
ewapproachKeywords：supportvectormachi
eker
elmethodsge
eticalgorithmclassificatio
problem：
1引言
核支持向量机KSVMs1是近几年发展起来的主要用于解决分类问题的新算法，它基于严密的统计学习理论，通过巧妙地引入核函数，将低维问题通过非线性映射投射到高维特征空间，并在特征空间中采用线性可分支持向量机解决分类问题。KSVMs也是数据挖掘技术的新方法，在模式分类、函数逼近、概率密度估计及回归分析等理论领域，支持向量机取得了良好的效果，并已成功应用到诸如手写数字识别、文本分类、语音识别、人脸检测等技术领域。遗传算法GA2是模拟生物在自然环境下的遗传和进化过程而形成的一种自适应全局优化概率搜索方法，与其他寻优算法相比，遗传算法有许多独特的优点。因此，若我们能将KSVM和GA两种方法有机整合到一起，可能得到一个具有更好分类效果、更高灵活性的混合算法3。
2基于遗传算法的核支持向量机新算法
21新算法总说
图21展示了新算法的基本步骤。
363
f哈尔滨工业大学2009届本科优秀毕业设计（论文）选集
数据集合的预处理
支持向量机数学模型
准备数据集
矩阵形式
核函数r