论文部分内容阅读
支持向量机在学习模型中运用了统计学习中的VC维理论和结构风险化原则，具有很好的泛化性能，在小样本学习问题上表现突出。本文对支持向量机在数据挖掘领域的应用展开深入研究，涉及的内容包括以下几个方面：
1.对支持向量机在分类中的应用做了一些有益探讨，通过仿真实验说明在实际应用中模型选择和参数选择的重要性。
2.对支持向量机的增量学习技术做了深入研究，分析了支持向量在构建增量算法中的关键作用以及在增量学习过程中引入新的样本后支持向量的转化问题；分析了已有支持向量机增量算法存在的问题，并用数据仿真进行验证；提出一种新的SVM增量算法，即误分点回溯增量学习算法，该算法能够更多的保留体现分类模式的历史样本，提高增量学习器的精度。
3.把本文提出的方法应用在商业银行内部信用评级中，提出一个简单的系统框架，并且实现了该系统。结果表明本文提出的算法性能优于一般的支持向量机增量算法。