基于支持向量機的分類問題研究

　　本書由淺入深，前期在支持向量機基礎(chǔ)上，引入模糊隸屬度函數(shù)，對不同樣本選取不同權(quán)重，通過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)用模糊支持向量機對英語語篇進行情感分類，分類效果優(yōu)于支持向量機的分類。在前期研究的基礎(chǔ)之上，分別應(yīng)用SVM和FSVM進行了中文語篇的情感分類，并對分類效果進行對比。仿真實驗的結(jié)果說明，針對中文本進行情感分類，模糊支持向量機分類效果優(yōu)于支持向量機。為了驗證最小二乘支持向量機方法的可行性和優(yōu)越性，先將最小二乘支持向量機方法應(yīng)用于經(jīng)濟領(lǐng)域，驗證了最小二乘支持向量機方法的可行性，繼而分別以“車評”和“影評”作為樣本，應(yīng)用最小二乘支持向量機方法進行中文語篇的情感分類。

暫缺《基于支持向量機的分類問題研究》作者簡介