跳到主要內容

臺灣博碩士論文加值系統

(44.192.20.240) 您好!臺灣時間:2024/02/27 12:45
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

: 
twitterline
研究生:韓歆儀
研究生(外文):Hsin-yi Han
論文名稱:應用兩階段分類法提昇SVM法之分類準確率
論文名稱(外文):Applying the Two-Stage Classification to Improve the SVM Classification Accuracy
指導教授:利德江利德江引用關係
指導教授(外文):Der-Chang Li
學位類別:碩士
校院名稱:國立成功大學
系所名稱:工業管理科學系碩博士班
學門:商業及管理學門
學類:其他商業及管理學類
論文種類:學術論文
論文出版年:2004
畢業學年度:92
語文別:中文
論文頁數:76
中文關鍵詞:分類支撐向量機法決策樹
外文關鍵詞:Decision TreeSVMClassification
相關次數:
  • 被引用被引用:46
  • 點閱點閱:1197
  • 評分評分:
  • 下載下載:237
  • 收藏至我的研究室書目清單書目收藏:1
分類問題是目前常被討論的主題之一,隨著資料的複雜度與資料量的增加,越來越多以統計學習架構為基礎的方法不斷延伸,支撐向量機法(Support Vector Machines)就是其中一種學習機器形式。
支撐向量機法是一個較新的分類方法,其應用於分類的領域也迅速增加,然而在資料複雜度高的情況下此模式的分類準確率仍會降低,因此如何在資料量與複雜度增加的情況下,保持或提升資料分類的準確度,是本研究的方向。本研究從評估資料複雜度之角度,即分析資料在空間中分部的散亂集中程度,判斷該資料是否具備兩階段分類之需要,若是,則以決策樹(Decision Tree)進行第一階段之步驟達到簡化資料的目的,再由支撐向量機法法進行第二階段分類。本研究最後透過驗證本兩階段之分類法確可提升支撐向量機法對複雜度較高的資料其分類的準確度。
目 錄 iii
表目錄 v
圖目錄 vi
第一章 緒論 1
第一節 研究動機 2
第二節 研究目的 3
第三節 研究流程 3
第二章 文獻探討 5
第一節 支撐向量機法 5
一、 支撐向量機法基本理論 5
二、 最大邊際分類器 9
三、 支撐向量機法的應用 12
第二節 決策樹法 16
一、 決策樹法的基本概念 16
二、 決策樹演算法 20
第三節 支撐向量機法與決策樹法相關文獻26
第三章 研究設計 27
第一節 研究方法架構 27
第二節 研究方法描述與定義 28
一、 模擬資料集合 28
二、 評估資料複雜度 28
三、決策樹法進行第一階段分類 32
四、支撐向量機法進行第二階段分類 33
第四章 實證研究 35
第一節 支撐向量機之核心函數 35
第二節 資料類型 37
一、常態分配(Normal Distribution) 37
二、狄氏分配(Dirichlet Distribution) 37
三、Leave-one-out Cross-Validation 38
第三節 利用分類方法之實證結果 39
第四節 個案實證 53
一、資料來源 53
二、個案實證結果 53
第五章 結論與建議 57
第一節 結論 57
第二節 討論與建議 58
參考文獻 61
附錄 65
[中文部份]
王麒瑋, ”支向機核心函數適用指標之建立”, 國立成功大學工業管理科學研究所碩士論文, 2003年6月.
王景南, “多類支向機之研究”, 元智大學資訊管理研究所碩士論文, 2002年6月.
江其峰, ”支持向量機的特性篩選方法”, 東海大學數學研究所碩士論文, 2002年6月.
方振維, ”利用類神經網路技術提升決策樹效能之研究”, 銘傳大學資訊管理研究所碩士論文, 2002年6月.
周文輝, “醫院分類: An SVM Approach”, 國立東華大學應用數學研究所碩士論文, 2002年7月.
胡毓志, ”不完整資料學習演算法使用支援向量機器”, 國立交通大學資訊科學研究所碩士論文, 2002年6月.
蔡家昌, “應用決策樹歸納法探討台灣行動電話市場區隔”, 國立台北大學統計研究所碩士論文, 2002年6月.
Michael J.A. Berry, Gordon S. Linoff, 彭正文譯,《Data Mining 資料採礦─顧客關係管理暨電子行銷之應用》, 數博網資訊股份有限公司, 初版, 2001年1月, 26-50.

[英文部份]
Abe, S., “Analysis of Support Vector Machines”, Neural Networks for Signal Processing, Proceeding of the 12th IEEE Workshop on, Sept, 2002, pp89-98.
Ben-ur, A., Horn D., Siegelwann, H.T., Vapnik, V., “A Support Vector Clustering Method”, Proceedings of 15th International Conference on Pattern Recognition, Vol.2, Sept, 2000, pp724-727.
Bennett, K.P., Wu, S., Auslender, L., “On Support Vector Decision Trees for Database Marking”, IEEE transactions on Neural Network, Vol.2, July, 1999, pp904-909.
Bennett, K.P., Blue, J.A., “A Support Machine Approach to Decision Trees”, IEEE transactions on Neural Networks, Vol.3, May, 1998, pp2396-2401.
Ben-Hur A., Horn D., Siegelman H.T., Vapinik V., “Support vector clustering”, Journal of Machine Learning Research, Vol.2, 2001, pp125-137.
Breiman L., Friedman J.H., Olshen R.A., Stone C.J., “Classification and Regression trees”, Belmont, Calif:Wadsworth, 1984.
Burbudge R., Trotter M., Buxton B., Holden S., “Drug design by machine learning:Support vector machine for pharmaceutical data analysis”, Computers and Chemistry, May, 2001, p5-14.
Chih-Wei Hsu, Chih-Jen Lin, “A comparison of methods for multiclass support vector machines, IEEE transactions on Neural Networks, Vol.13, March, 2002.
Cortes, C., Vapnik, V., “Support-vector networks,” Machine Learning, 20, 273-297, 1995.
Duan Kaibo, Sathiya Keerthi S., Neow Poo Aun, “Evaluation of simple performance measures for tuning SVM hyperparameters”, Neurocomputering, March, 2003, p41-59.
Francis E.H. Tay, Lijuan Cao, “Application of support vector machines in financial time series forecasting”, The international Journal of Managament Science Omega, March, 2001, pp309-317.
Glenn Fung, Olvi L. Mangasarian, “Proximal Support Vector Machine Classifiers”, Proceedings of the seventh ACM SIGKDD international conference on Knowledge discovery and data mining, 2001, pp77-86.
Glenn F., Olvi L. Mangasarian, “Data Selection for Support Vector Machine Classifiers”, Proceedings of the seventh ACM SIGKDD international conference on knowledge discovery and data mining, August, 2001, pp77-86.
Harris Drucker, S Donghui Wu, Vladimir N. Vapnik, “Support Vector Machines for Spam Categtrization”, IEEE Transactions on Neural Networks, Vol.10, Sept, 1999, pp1048-1054.
Ian H. Witten, Eibe Frank, “Data Mining Practical Machine Learning Tools an Techniques with Java Implementations”, Morgan Kaufmann Pulishers, 2000, pp127-128,157-183,188-193.
Kan Li, Yu-Shu Lin, “Choosing of battle position through training support vector machines”, Machine Learning and Cybernetics, Proceedings International Conference on, Vol.1, Nov. 2002, pp18-20.
Lijuan Cao, “Support vector machines exports for time series forecasting”, Neurocomputing, 2003, pp321-339.
Monica Rogati, Yiming Yang, “High-performing Feature Selection for Text Classification”, Conference on Information and Knowledge Management, Proceedings of the eleventh international conference on Information and knowledge management, 2002, pp659-661.
Nello Cristinanini, John Shawe Taylor, “An Introduction to Support Vector Machines and other kernel based learning methods”, The press syndicate of the University of Cambridge, 1thed, 2002, pp9-11, 94-97.
Rohlf, F.J., “Methods of Comparing Classifications,” Annual Review of Ecology and Systematics, Vol.5, 1974, pp.101-113.
Ross Quinlan J., “C4.5:Progeams for Machine Learning”, Morgan Kaufmann Publishers, Pat Langley, San Mateo, CA, Series Editor, October 1993.
Ross Quinlan J., “Induction of Decision Trees”, Machine Learning, 1986.
Sohwenker F., Kestler HA, “Analysis of Support Vectors helps to Identify Borderline Patients in Classification Studies”, Computers in Cardiology, 2002, pp305-308.
Sun-Bae Cho, Hong-Hee Won, “Machine Learning in DNA Microarray Analysis for Cancer Classification”, Asia-Pacific Bioinformatics Conference in Information Technology, 2003.
Tom M. Mitchell, “Machine Learning,” McGraw-Hill International Editions, 1thed, 1997, pp52-71.
Takahash, F., Abe, S., “Decision-tree-based multi-class support vector machine”, Neural Information Processing, Proceeding the 9th International Conference on, Nov, 2002, pp1418-1422.
Vapnik, V., “ Statistical Learning Theory,” Wiley, NY, 1998.
Vishwanathan, S.C.M., Narasimha Murty, M., “SSVM:A Simple SVM Algorithm”, Neural Network, Proceedings of the 2002 International Joint Conference on, Vol.3, May, 2002, pp12-17.
Weida Zhou, Li Zhang, Licheng Jiao, “Linear programming support vector machines”, The Journal of the Pattern Recognition society, October, 2002, pp2927-2936.
Yong, M. and Xiaoqing, D., “Face Detection Based on Cost-Sensitive Support Vector Machines,” State Key Laboratory of Intelligent Technology and System Dept. of Electtronic Engineering, Tsinghua University, Beijing 100084, P. R. Chian.
連結至畢業學校之論文網頁點我開啟連結
註: 此連結為研究生畢業學校所提供,不一定有電子全文可供下載,若連結有誤,請點選上方之〝勘誤回報〞功能,我們會盡快修正,謝謝!
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
1. 方世榮、江淑娟(2001),「通路夥伴關係整合模型的實證研究」,管理與系統,第八卷第二期,pp.203-222。
2. 34. 廖志德 (2002),「知識服務產業的發展與前景」,能力雜誌。
3. 40. 薛立敏、承立平、杜英儀、張維倫 (2003),「台灣知識密集服務產業發展策略」,國家政策季刊,卷2:2,第123-142頁。
4. 32. 馮震宇 (2002),「發展知識服務業的問題與挑戰」,能力雜誌,期553,頁26-34。
5. 26. 陳信宏(2000),「全球運籌管理對台灣資訊電子業的影響」,經濟情勢暨評論季刊,卷6:1,頁97-113。
6. 3. 王俊程、戴榮賦(1999),以知識管理強化組織效能,資訊與電腦雜誌,卷11,頁 50。
7. 方至民、曾志弘(1997),「形成條件對中外合資企業績效之影響」,中山管理評論,第五卷,pp.537-552。
8. 司徒達賢(1996),「中小企業之策略聯盟」,經濟情勢暨評論季刊,2(3),pp.25-36。
9. 吳青松(1996),「策略聯盟之國際發展趨勢」,經濟情勢暨評論,第二卷第三期,pp.8-13。
10. 吳克(2000),「策略聯盟的形成與夥伴選擇」,金屬工業,第35 卷2 期,pp.138-143。
11. 林文寶(2001) ,「環境不確定性、企業文化差異、策略聯盟類型與策略聯盟績效關係之研究」,商管科技季刊,第二卷第二期,pp.157-179。
12. 高長(2002),「台灣電子業兩岸分工與全球佈局策略」,經濟前瞻,2002,pp.74-81。