收藏本站
《河北工业大学》 2005年
收藏 | 手机打开
二维码
手机客户端打开本文

支持向量机多类分类算法的研究及应用

黄琼英  
【摘要】:支持向量机是由VVapnik等提出的一种学习技术,是借助于最优化方法解决机器学 习问题的新工具。支持向量机是机器学习领域若干标准技术的集大成者,它集成了最大间 隔超平面、Mercer核、凸二次规划、稀疏解和松弛变量等多项技术,在若干挑战性的应 用中,获得了目前为止最好的性能。由于其具有全局最优、结构简单、推广能力强等优点, 近几年得到了广泛的研究并广泛应用于模式识别等领域。但是支持向量机方法最初是针对 二类别的分类提出的,如何将二类别分类方法扩展到多类别分类是支持向量机研究的重要 内容之一。 本文仔细研究了支持向量机的理论,并针对分类问题着重讨论了以下几个方面的内 容:(1) 支持向量机二类别分类算法的研究,对目前存在的多种支持向量机算法模型进 行了深入分析,比较了他们的性能与应用范围。(2) 支持向量机多类分类算法的研究,全 面总结了目前存在的基于支持向量机的多类别分类方法,包括“一对多”方法、“一对一” 方法、一次性求解方法、决策有向无环图方法、基于二叉树的支持向量机多类分类方法、 多级支持向量机方法和其它的几种方法,比较了它们的优缺点及性能:并通过实验对其中 的几种常用的方法进行了验证与比较。(3) 支持向量机超球面多类分类算法的研究,首先 研究了超球面二类别分类算法,指出了它与超平面分类方法的区别,并讨论了其推广能力 的性能,深入讨论了其推广能力一般的原因,即缺少了使分类间隔最大这一重要的条件; 然后基于超球面二类别算法构造了一种基于二叉树的超球面多类分类算法,该算法不但具 有良好的推广能力,而且决策时间短。
【学位授予单位】:河北工业大学
【学位级别】:硕士
【学位授予年份】:2005
【分类号】:TP301

【相似文献】
中国期刊全文数据库 前10条
1 林长方;;支持向量机及其应用研究[J];和田师范专科学校学报;2010年05期
2 陈立孚,周宁,李丹;基于机器学习的自动文本分类模型研究[J];现代图书情报技术;2005年10期
3 张洪胜;耿焕同;喻为民;;有限样本下中文垃圾邮件过滤的研究与实现[J];计算机应用与软件;2008年01期
4 李卓;刘斌;刘铁男;任珍珍;;基于支持向量机的抽油机故障诊断研究[J];微计算机信息;2006年07期
5 刘解放;侯振雨;吴亮;;支持向量回归及其在农产品成分分析中的应用[J];广东农业科学;2007年12期
6 李应红,尉询楷;支持向量机和神经网络的融合发展[J];空军工程大学学报(自然科学版);2005年04期
7 金珠;马小平;;基于蚁群聚类算法的SVM半监督式训练方法[J];西华大学学报(自然科学版);2011年01期
8 王国胜;;核函数的性质及其构造方法[J];计算机科学;2006年06期
9 刘解放;侯振雨;吴亮;;支持向量机在模式识别和回归模型中的应用[J];河南科技学院学报(自然科学版);2007年04期
10 胡哲;郑诚;闵鹏鹏;;支持向量机及其应用研究[J];重庆科技学院学报(自然科学版);2008年02期
中国重要会议论文全文数据库 前10条
1 宋普云;沈雪勤;吴清;;一种改进的SMO算法[A];第六届全国计算机应用联合学术会议论文集[C];2002年
2 刘伍颖;王挺;;一种多过滤器集成学习垃圾邮件过滤方法[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年
3 章成志;;基于机器学习的文本聚类描述算法研究[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年
4 晏庆华;;支持向量机算法综述[A];2008'中国信息技术与应用学术论坛论文集(二)[C];2008年
5 程国建;蔡磊;潘华贤;;核向量机在大规模机器学习中的应用[A];第十一届中国青年信息与管理学者大会论文集[C];2009年
6 谢湘;匡镜明;;支持向量机在语音识别中的应用研究[A];现代通信理论与信号处理进展——2003年通信理论与信号处理年会论文集[C];2003年
7 蒋铁军;张怀强;李积源;;多变量系统预测的支持向量机方法研究[A];管理科学与系统科学研究新进展——第7届全国青年管理科学与系统科学学术会议论文集[C];2003年
8 林杰华;张斌;李冬森;宋华茂;余志强;王浩;;支持向量机在电力客户信用评级中的应用[A];全国第21届计算机技术与应用学术会议(CACIS·2010)暨全国第2届安全关键技术与应用学术会议论文集[C];2010年
9 黄淑云;孙兴玉;梁汝萍;邱建丁;;基于小波支持向量机预测蛋白质亚细胞定位研究[A];第十一届全国计算(机)化学学术会议论文摘要集[C];2011年
10 涂冬成;薛龙;刘木华;赵进辉;沈杰;吁芳;;基于支持向量机的鹅肉肉色客观评定研究[A];中国农业工程学会电气信息与自动化专业委员会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会论文摘要[C];2010年
中国重要报纸全文数据库 前10条
1 黎骊/文 [美] Tom M.Mitchell 著;机器学习与智能化社会[N];中国邮政报;2003年
2 本报记者 余建斌;机器学习与互联网搜索[N];人民日报;2011年
3 记者 何边;网络化激活人工智能[N];计算机世界;2001年
4 本报记者 张晔通讯员 李玮;周志华:永不墨守成规[N];科技日报;2008年
5 何清 史忠植 王伟;搜索引擎的前沿技术[N];计算机世界;2006年
6 傅秋瑛;默默耕耘数十载 自主创新结硕果[N];科技日报;2006年
7 王育昕吴红梅;高水平原创性科技成果大量涌现[N];新华日报;2008年
8 杰逊;微软的第一个搜索技术掌门[N];中国计算机报;2006年
9 冯卫东;科技将这样改变我们的生活[N];科技日报;2008年
10 记者 刘垠;首届中美视觉夏令营开营[N];大众科技报;2009年
中国博士学位论文全文数据库 前10条
1 李忠伟;支持向量机学习算法研究[D];哈尔滨工程大学;2006年
2 王国胜;支持向量机的理论与算法研究[D];北京邮电大学;2008年
3 徐海祥;基于支持向量机方法的图像分割与目标分类[D];华中科技大学;2005年
4 李战春;入侵检测中的机器学习方法及其应用研究[D];华中科技大学;2007年
5 武国正;支持向量机在湖泊富营养化评价及水质预测中的应用研究[D];内蒙古农业大学;2008年
6 张超;基于支持向量机的汽轮机轴系振动故障智能诊断研究[D];华北电力大学(河北);2009年
7 邢永忠;最小二乘支持向量机的若干问题与应用研究[D];南京理工大学;2009年
8 曹葵康;支持向量机加速方法及应用研究[D];浙江大学;2010年
9 刘叶青;原始空间中支持向量机若干问题的研究[D];西安电子科技大学;2009年
10 赵莹;半监督支持向量机学习算法研究[D];哈尔滨工程大学;2010年
中国硕士学位论文全文数据库 前10条
1 黄琼英;支持向量机多类分类算法的研究及应用[D];河北工业大学;2005年
2 王晶;支持向量机及其在癌症诊断中的应用研究[D];东北师范大学;2006年
3 马波;支持向量机多类分类算法的分析与设计[D];扬州大学;2008年
4 杨雪;支持向量机多类分类方法的研究[D];哈尔滨工程大学;2006年
5 刘华煜;基于支持向量机的机器学习研究[D];大庆石油学院;2005年
6 马金刚;基于向量空间的信息过滤关键技术研究[D];山东师范大学;2006年
7 张昕;基于SVM方法的医学图像分类研究[D];浙江大学;2006年
8 赵斌;多值SVM分类投票法的改进[D];武汉科技大学;2007年
9 赵莹;基于向量投影的支持向量机增量学习算法[D];哈尔滨工程大学;2007年
10 黄波;基于支持向量机的多示例学习研究与应用[D];中国地质大学;2009年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026