支持向量機(jī)的應(yīng)用研究

宋靜

摘要：該文將支持向量機(jī)應(yīng)用到組塊識(shí)別中，并利用支持向量機(jī)算法完成了組塊識(shí)別任務(wù)。實(shí)驗(yàn)結(jié)果表明支持向量機(jī)算法在組塊識(shí)別中有較好的應(yīng)用。該文的研究結(jié)果可以廣泛的應(yīng)用到自然語(yǔ)言處理領(lǐng)域中。

關(guān)鍵詞：支持向量機(jī)；核函數(shù)；組塊識(shí)別

中圖分類(lèi)號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2012）33-8060-03

在二十世紀(jì)九十年代支持向量機(jī)作為一種新的機(jī)器學(xué)習(xí)算法而被人們所熟識(shí)。支持向量機(jī)（SVM）是依托統(tǒng)計(jì)學(xué)習(xí)理論的基礎(chǔ)，根據(jù)有限的的信息條件得到較好的的結(jié)果。SVM作為統(tǒng)計(jì)學(xué)的一個(gè)新分支，仍舊有很多理論需要進(jìn)一步研究探討。支持向量機(jī)算法應(yīng)用十分廣泛，除了應(yīng)用于模式識(shí)別等領(lǐng)域，也廣泛的應(yīng)用在自然語(yǔ)言處理技術(shù)中，其作用越來(lái)與突出。

上個(gè)世紀(jì)90年代，人們開(kāi)始將組塊識(shí)別應(yīng)用到自然語(yǔ)言處理中。最初應(yīng)用到英語(yǔ)和日語(yǔ)中，隨后應(yīng)用到漢語(yǔ)等各類(lèi)自然語(yǔ)言中作用越來(lái)越突出。

組塊分析也叫做淺層分析[1]。組塊識(shí)別的目的就是簡(jiǎn)化句子結(jié)構(gòu)，降低句法分析的復(fù)雜性。同時(shí)支持向量機(jī)還可以廣泛的應(yīng)用于機(jī)器翻譯、信息檢索等領(lǐng)域。

1支持向量機(jī)介紹

1.1SVM的基本思想

支持向量機(jī)最早應(yīng)用于二維線(xiàn)性可分的情況。圖1就是支持向量機(jī)的基本思想。