支持向量機(jī)的設(shè)計(jì)與實(shí)現(xiàn)

1總結(jié)網(wǎng)絡(luò)信息的研究和評(píng)價(jià)是有效控制網(wǎng)絡(luò)，促進(jìn)社會(huì)主義和諧社會(huì)建設(shè)的重要手段。2svm的原理支持向量機(jī)(SupportVectorMachine,SVM)是CorinnaCortes和Vapnik等于1995年首先提出的,它在解決高維模式識(shí)別中有許多優(yōu)勢(shì),并能夠推廣到其它機(jī)器學(xué)習(xí)問(wèn)題中。與傳統(tǒng)的機(jī)器學(xué)習(xí)對(duì)比發(fā)現(xiàn),在基于VC維(Vipnik-Chervonenkisdimension)理論中,SVM遵循結(jié)構(gòu)風(fēng)險(xiǎn)最小化的原則。其理論思想是:首先選擇事先預(yù)定的非線性映射關(guān)系uf066(uf0d7),將輸入的向量X映射到一個(gè)高維特征空間向量Z;接著在這個(gè)空間向量中構(gòu)建最優(yōu)的分類(lèi)超平面;最終讓正確和錯(cuò)誤樣本之間的分離界限達(dá)到最大。依概念理解,離那些決策平面最近的數(shù)據(jù)點(diǎn)就構(gòu)成了支持向量,這決定了最優(yōu)分類(lèi)超平面的位置。研究證明,最大化分離界限等價(jià)于使權(quán)向量的Euclidean范數(shù)最小2.1rage函數(shù)中的svm在兩模式分類(lèi)問(wèn)題模型中:第一類(lèi)表示為1,第二類(lèi)表示為-1。分類(lèi)超平面表達(dá)式為:其中,w是權(quán)矢量,其中,N和其中,稱(chēng)為懲罰因子。其約束條件是:利用Lagrange乘子法得到此問(wèn)題的對(duì)偶問(wèn)題其中Lagrange乘子用α(28)[uf061,(6)式可以寫(xiě)為:約束條件:其中K(x其中,sgn(·)是符號(hào)函數(shù)。研究發(fā)現(xiàn),當(dāng)uf061其中,M表示支持向量的個(gè)數(shù)。而對(duì)于通過(guò)(12)式確定的閾值b,就能得出判決函數(shù)。分析發(fā)現(xiàn)采用不同的內(nèi)積核函數(shù),就可以構(gòu)造出不同類(lèi)型SVM,常用的SVM主要有:(1)多項(xiàng)式核函數(shù)SVM;(2)徑向基核函數(shù)SVM;(3)兩層感知器核函數(shù)SVM;使用較多的是前兩種SVM。2.2quadatchpart2通過(guò)前面的討論可以得出,SVM的訓(xùn)練問(wèn)題可以歸納為一種二次規(guī)劃(quadraticprogramming,QP)問(wèn)題。在近十年的發(fā)展中,涌現(xiàn)出許多新學(xué)習(xí)算法,其中比較經(jīng)典的有:Vapnik提出了chunking方法,Joachims提出了SVM3解決數(shù)據(jù)聚類(lèi)分析問(wèn)題的決策樹(shù)設(shè)計(jì)在互聯(lián)網(wǎng)分析中引入聚類(lèi)分析,就是對(duì)互聯(lián)網(wǎng)數(shù)據(jù)進(jìn)行歸類(lèi)、分組、匯總,得出群體的聚類(lèi)特征并形成屬性知識(shí)。而趨勢(shì)分析則是對(duì)前面會(huì)聯(lián)網(wǎng)數(shù)據(jù)聚類(lèi)分析后所得到的屬性知識(shí)為研究對(duì)象,接著設(shè)計(jì)出解決此問(wèn)題的決策樹(shù),以揭示出問(wèn)題發(fā)展的趨勢(shì),為預(yù)測(cè)和把握未來(lái)發(fā)展方向提供幫助。計(jì)算動(dòng)詞決策樹(shù)的過(guò)程是:首先從研究對(duì)象屬性類(lèi)型的根節(jié)點(diǎn)選取,其次選取根節(jié)點(diǎn)的下一個(gè)葉子節(jié)點(diǎn)N,接著找到此節(jié)點(diǎn)N的最佳決策屬性,然后通過(guò)計(jì)算動(dòng)詞增益和計(jì)算動(dòng)詞熵來(lái)訓(xùn)練節(jié)點(diǎn),最后判斷是否把訓(xùn)練樣本進(jìn)行了最佳分類(lèi),得到就結(jié)束,否則繼續(xù)找最佳決策屬性。4關(guān)注熱點(diǎn)、敏感話題的識(shí)別與追蹤(1)在支持向量機(jī)技術(shù)的支持下,對(duì)新聞、論壇/BBS、博客、即時(shí)通信軟件等渠道傳播的網(wǎng)絡(luò)輿情進(jìn)行采集,運(yùn)用聚類(lèi)分析、主題檢測(cè)與跟蹤、自動(dòng)摘要等定向分析技術(shù),可以得出網(wǎng)絡(luò)輿情傳播者的感情、想法、觀點(diǎn)、立場(chǎng)和意圖等主觀的特征表現(xiàn)。最終實(shí)現(xiàn)用關(guān)鍵字布控、語(yǔ)義分析來(lái)達(dá)到識(shí)別敏感話題的目的。(2)熱點(diǎn)話題、敏感話題瞄準(zhǔn)與追蹤。目前國(guó)內(nèi)外大多采用了文本聚類(lèi)技術(shù)——文本關(guān)鍵字詞作為文本特征,分析新發(fā)表文章、貼子的話題是否與已有熱點(diǎn)或敏感主題相同,并對(duì)發(fā)表的話題和發(fā)信人發(fā)表的文章的觀點(diǎn)、傾向性進(jìn)行分析與統(tǒng)計(jì)。(3)研究發(fā)現(xiàn)當(dāng)前的網(wǎng)絡(luò)輿情的研判和預(yù)警效果并不理想。主要原因是缺乏統(tǒng)一全面的、全方位多層次的網(wǎng)絡(luò)輿情預(yù)警信息系統(tǒng),無(wú)法滿足當(dāng)前用戶所期望的需求;此外各大廠商之間缺乏合作和協(xié)調(diào),難以形成有效的合力。所以網(wǎng)絡(luò)輿情分析及研判技術(shù)還有更大的發(fā)展空間。(4)除市場(chǎng)環(huán)境及用戶需求沒(méi)有邊界等特殊因素外,怎樣將計(jì)算技術(shù)與處理內(nèi)容結(jié)合,怎樣設(shè)計(jì)具體的分析引擎和自動(dòng)信息采集,怎樣構(gòu)建輿情分析庫(kù)、屬性知識(shí)儲(chǔ)備庫(kù),怎樣對(duì)收集的信息進(jìn)行與判斷、篩選和預(yù)處理形成格式化信息,怎樣加強(qiáng)專(zhuān)家與系統(tǒng)結(jié)合、人機(jī)結(jié)合來(lái)提升輿情判斷的準(zhǔn)確性等到都是當(dāng)前解決問(wèn)題的最重要環(huán)節(jié)。5在折中的應(yīng)用支持向量機(jī)理論建立在統(tǒng)計(jì)學(xué)習(xí)理論的VC維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小原理基礎(chǔ)上,它作為一種新的機(jī)器學(xué)習(xí)方法,能夠依據(jù)有限的樣本信息,在模型的復(fù)雜性和學(xué)習(xí)能力之間尋求最佳折中,在解決模式分類(lèi)問(wèn)題上具有近似最優(yōu),而且在沒(méi)有問(wèn)題域相關(guān)知識(shí)屬性時(shí)所設(shè)計(jì)的機(jī)器依然具有較好的性能。文中提出一種基于支持向量機(jī)技術(shù)的網(wǎng)絡(luò)輿情研判方法,具有突出的小樣本學(xué)習(xí)方法,借助它強(qiáng)大的泛化能力,實(shí)現(xiàn)了高效的從訓(xùn)練樣本到預(yù)報(bào)樣本的“轉(zhuǎn)導(dǎo)推理”,在網(wǎng)絡(luò)輿情信息處理中具有良好