應用SVM-RFE提升多類別分類準確率

勤益科大機構典藏 > 管理學院 > 工業工程與管理系(所) > 【工業工程與管理系所】博碩士論文 > Item 987654321/5478

請使用永久網址來引用或連結此文件: http://ir.lib.ncut.edu.tw/handle/987654321/5478

題名:	應用SVM-RFE提升多類別分類準確率
作者:	江柏儒洪永祥
貢獻者:	工業工程與管理系
關鍵詞:	支持向量機田口參數設計支持向量機迴歸特徵消去法分類
日期:	2010
上傳時間:	2013-08-13 15:22:23 (UTC+8)
出版者:	台中;國立勤益科技大學
摘要:	在資料探勘領域上，如何應用機器學習迅速且有效率在高複雜度資料中獲得重要之資訊，以提供相關人員作為多類別分類決策時的輔助參考，是不少學者爭相研究之課題。支持向量機（支持向量機，支持向量機）在分類與預測領域皆有優異之表現，但支持向量機參數設定相當耗時且只適用於兩類別的分類問題。因此本研究透過田口品質工程參數設計來設定最佳的參數組合並結合多個支持向量機的方法處理多類別問題，而在資料進入支持向量機的前應用特徵選取（功能選擇）方法之支持向量機回歸特徵消去法（遞歸支持向量機特徵消除，支持向量機的自由歐洲電台）將特徵集合依重要性排序，藉以提升支持向量機於多類別分類準確率。本研究以美國加州大學爾灣分校（加州大學歐文分校，國際自盟）的資訊電腦學院之動物（動物園）及皮膚疾病（皮膚）資料庫實驗及測試。實驗結果顯示，動物及皮膚疾病資料庫經由支持向量機的自由歐洲電台刪除9項及17項特徵，其特徵分別由原本16和34項縮減為7及17項，準確率皆可達到90 ％以上。此實驗結果對進行多類別分類的研究效率上有很大的幫助，針對此研究方法，由於可剔除不相關之特徵，故能提升運算效率，節省分類時所花費的成本。在數據挖掘，如何運用計算機快速學習和效率以及是否能獲得重要信息，高度複雜的數據，那些數據提供的人員在決策中的多級分類的參考，是一個熱門話題。儘管支持向量機（ SVM）的具有優良的性能在兩分類和估計精度，支持向量機參數設置浪費了不少時間，只適用於2級的分類。本研究利用田口參數設計設置的最佳參數和支持向量機的結合多種方法來解決多類分類問題，支持向量機和應用消除遞歸功能（支持向量機的自由歐洲電台）排序功能集為重要，因此提高其準確度支持向量機多類分類。本研究試驗了兩種國際自盟的圖書館，動物園和皮膚科數據庫。結果顯示， 9日和17日刪除特徵動物園和皮膚科數據庫由支持向量機的自由歐洲電台， 16個功能集是由34個減至7和至17人，精度在90 ％以上。總之，本研究改善了對多類分類的效率。
顯示於類別:	[工業工程與管理系(所)] 【工業工程與管理系所】博碩士論文

文件中的檔案:

沒有與此文件相關的檔案.

檢視Licence

在NCUTIR中所有的資料項目都受到原著作權保護.

資料載入中.....