支持向量机分类器在中医方剂模式识别中的应用研究.pdf

医药管理杂志年月第卷筇期支持向量机分类器在中医方剂模式识别中的应用研究孙燕臧传新。任廷革李宇航’刘晓峰张帆．北京中医药大学．聊城大学计算机学院关键词：支持韪机；模式以别：分类器：核函数：方剂中图分类号：文献标识码：文章编号：—．引言果属于第类则如粜属于第类支持向最机足则一那么有训练样本集合．山．等人在纪年代中期提的一．⋯支持向量机的门标就足要根据结构风险最种机器学习办法。它以其良好的理论背景从结构小化原理构造一个目标函数将两类模式尽可能地风险最小化原则出发为机器学习提供了个崭新的分开来。通常分为两类情况来讨论：①线性可分；力向。支持向量机是从线性可分情况的最优分类②线性不可分。线性可分情况：支持向量机理沦是从线性面发展而来的通过将输入间映射到‘个高维内可分情况的最优分类面提的基本思想可由积空间中解个线性约束的二次规划问题得到伞图所示的两类线性可分情况来说明。肠最优解有效避免了“维数灾难”保证了收敛速度儿不存在局部极小值问题。因此在解决小样本、线性及高维模式汉别问题中具有特有的优势。支持向量机分类器的基本原埋是使用个非线性变换将不可分的问映射到‘个高维的线性吖分的并建立个具有极小维数的分类器该分类器仪由人样本中的极少量支持向量确定具仃最大的边界宽度。支持向量机算法的技巧在于不血接计算复杂的非线性变换而是计算非线性变换的点积即核函数从而大大简化了计算。通过图最优分类面把核函数引入剑一学习算法可以方便地把线性