Klassifikation mit Support Vektor Maschinen

Diplomarbeit aus dem Jahr 1998 im Fachbereich Informatik - Theoretische Informatik, Note: 1,5, Universität Ulm, Sprache: Deutsch, Abstract: Im Rahmen dieser Arbeit werden nichtlineare Support Vektor Maschinen im Bereich der Mehrklassen-Mustererkennung untersucht. Ein Punkt der Untersuchungen ist die Multiklassendiskriminierung durch Kombination binärer SV-Klassifikatoren. Diese Kombination kann durch paarweise Klassifikatoren und der Klassifikation, einer Klasse gegen alle anderen erreicht werden. Weiterhin wird untersucht, wie hochdimensionale Datensätze mit Standardsoftware für quadratische Optimierung durch einen Dekompositionsalgorithmus verarbeitet werden können. Durch Optimierung von LVQ-Prototypen wird versucht, die Klassifikationsleistung reiner LVQ-Netze zu verbessern. Die Eigenschaften von nichtlinearen Support Vektor Maschinen mit explizitem Bias wurden mit denen von Support Vektor Maschinen mit implizitem Bias verglichen. Durch Tests konnte die Leistungsfähigkeit des Modells der nichtlinearen Support Vektor Maschinen mit RBF-Kernfunktion unterstrichen werden. Insbesondere die paarweise Klassifikation konnte zu sehr guten Testergebnissen hin optimiert werden.