收藏本站
《哈尔滨工程大学》 2006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方法的研究

杨雪  
【摘要】:支持向量机是ATT Bell实验室的V.Vapnik等人提出的一种针对分类和回归问题的新型机器学习方法。它基于结构风险最小化原理,能有效地解决过学习问题,具有良好的推广性和较好的分类精确性。正在成为继模式识别和神经元网络研究之后机器学习领域新的研究热点,并将推动机器学习理论和技术的重大发展。 目前,支持向量机在模式识别、函数逼近、数据挖掘和文本自动分类中均有很好的应用。传统支持向量机是针对两类分类问题,而在实际应用中,如数据挖掘、文本分类等等,需要处理的数据是海量和多类别的。如何解决大规模多类别的问题,是近几年来研究的重点之一。 本文对统计学习理论进行了介绍,深入探讨了建立在该理论基础上的支持向量机算法。并且就支持向量机的训练算法、分类算法、求解大型问题的算法、核函数及选择等热点问题分别加以讨论。阐述了支持向量机研究和应用现状,以及所面临的问题,指出对支持向量机进一步研究和应用需要解决的一些重要问题。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、确定多类目标函数、决策导向非循环图支持向量机等方法,比较了它们的优缺点及性能。 最后,针对现有的支持向量机多分类方法存在的问题以及缺点,如一对多训练速度慢、一对一分类速度慢,提出了基于序列最小优化的并行支持向量机多类分类方法。并在美国加州大学所提供的实验数据库上进行了验证,与一对多和一对一的多类分类方法进行了比较,实验结果表明该方法大大提高了训练速度和分类速度,适用于需处理样本数较多、对计算速度要求较高的多类分类问题。
【学位授予单位】:

知网文化
【相似文献】
中国期刊全文数据库 前19条
1 刘志刚,李德仁,秦前清,史文中;支持向量机在多类分类问题中的推广[J];计算机工程与应用;2004年07期
2 吕晓燕;罗立民;李祥生;郭建军;;基于支持向量机的冠心病辅助诊断研究[J];计算机工程与应用;2008年36期
3 余辉;赵晖;;支持向量机多类分类算法新研究[J];计算机工程与应用;2008年07期
4 方辉;艾青;;模糊支持向量机的训练算法研究[J];福建电脑;2009年03期
5 孙燕;臧传新;任廷革;李宇航;刘晓峰;张帆;;支持向量机分类器在中医方剂模式识别中的应用研究[J];中医药管理杂志;2006年11期
6 李欢欢;;基于SVM的分类问题的研究[J];网友世界;2013年09期
7 钟新辉;李少如;费逸伟;杨宏伟;;基于支持向量机的磨粒识别[J];数学的实践与认识;2008年05期
8 李新战;赵震宇;;支持向量机基础及其应用前景[J];科技信息;2009年17期
9 蔡雅琳;;支持向量机在数据挖掘中的应用研究[J];现代商贸工业;2008年08期
10 史贤俊;林慧博;张小伟;;基于支持向量机的模拟电路故障诊断方法[J];兵工自动化;2009年04期
11 张明;;智能财务数据分类方法探究[J];商业会计;2011年08期
12 余萍;杨强;;基于支持向量机的图像分割系统[J];学校党建与思想教育(下半月);2008年S1期
13 张华煜,邢丽萍;基于核函数的支持向量机分类方法[J];电脑开发与应用;2005年07期
14 刘江华,程君实,陈佳品;支持向量机训练算法综述[J];信息与控制;2002年01期
15 方辉;王倩;;支持向量机的算法研究[J];长春师范学院学报;2007年06期
16 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
17 张冬生;;支持向量机在分类问题中的应用研究[J];黑龙江科技信息;2010年35期
18 游清顺;王建新;张秀宇;罗曦;;基于支持向量机的食品安全抽检数据分析方法[J];软件工程;2019年02期
19 孙德山;吴今培;;基于线性规划的多类支持向量机算法[J];计算机科学;2005年10期
中国重要会议论文全文数据库 前10条
1 张晓滨;尹英顺;赵培坤;马秀兰;;基于渐进直推支持向量机的半对半多类文本分类[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
2 王伟;郑东良;;支持向量机的分类机理研究[A];信号与信息处理技术第三届信号与信息处理全国联合学术会议论文集[C];2004年
3 伍敏;苏鹏宇;刘金福;于达仁;;基于RVM和SVM的风速预测研究[A];2012电站自动化信息化学术和技术交流会议论文集[C];2012年
4 余乐安;姚潇;;基于中心化支持向量机的信用风险评估模型[A];第六届(2011)中国管理学年会——商务智能分会场论文集[C];2011年
5 王晓红;;一种改进多类支持向量机加权后验概率重构策略[A];2009中国控制与决策会议论文集(3)[C];2009年
6 张立刚;李海丽;;基于最小二乘支持向量机的协调系统预测[A];第六届全国信息获取与处理学术会议论文集(3)[C];2008年
7 何琴淑;刘信恩;肖世富;;基于支持向量机的系统辨识方法研究及应用[A];中国力学大会——2013论文摘要集[C];2013年
8 郭一楠;程健;肖大伟;杨梅;;分布式多分类支持向量机[A];2011年中国智能自动化学术会议论文集(第一分册)[C];2011年
9 汪荣贵;孙见青;胡琼;李守毅;;一种新的支持向量机决策树及其应用[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年
10 曾江辉;耿金凤;汪邦军;郝建春;;面向时间序列质量波动预测的支持向量机回归模型研究[A];使命与责任—以质量方法促转型升级——第五届中国质量学术与创新论坛论文集(上)[C];2012年
中国重要报纸全文数据库 前10条
1 本报记者 陈曲;数据挖掘:伴随大数据崛起的预言者[N];中国信息化周报;2014年
2 马随缘;做实数据挖掘 提升竞争能力[N];中国城乡金融报;2016年
3 创智集团副总裁 胡乐群博士;数据挖掘在CRM中的应用[N];中国计算机报;2002年
4 陆天歌 王兆亮;数据挖掘:帮你读懂未来战争[N];解放军报;2018年
5 本报记者 戴丽昕;在人才工作中展现数据挖掘力量[N];上海科技报;2019年
6 本报记者 张佳星;把扎克伯格拉下水,大数据挖掘犯错了吗[N];科技日报;2018年
7 本报记者 张佳星;数据挖掘大战 机器怎么做到“见信如面”[N];科技日报;2018年
8 记者 张潇;打造数据挖掘领域的“响尾蛇模式”[N];西安日报;2018年
9 上海市浦东卫生发展研究院 孙雪松 王晓丽;数据挖掘在医学大数据研究中的应用[N];中国信息化周报;2018年
10 本报记者 叶曜坤;全国人大代表邓晓辉:推翻阻碍数据挖掘的“三座大山”[N];人民邮电;2017年
中国博士学位论文全文数据库 前10条
1 王瑜;基于支持向量机和多信息融合的局部放电故障诊断研究[D];华北电力大学;2015年
2 陈素根;非平行平面支持向量机及特征提取中若干问题研究[D];江南大学;2016年
3 胡庆辉;非稀疏多核支持向量机学习方法研究[D];武汉大学;2015年
4 孙宗海;支持向量机及其在控制中的应用研究[D];浙江大学;2003年
5 徐芳;航空影像分割的支持向量机方法[D];武汉大学;2004年
6 蔡从中;支持向量机及其在生物材料功能研究中的应用[D];重庆大学;2003年
7 孙德山;支持向量机分类与回归方法研究[D];中南大学;2004年
8 翟永杰;基于支持向量机的故障智能诊断方法研究[D];华北电力大学(河北);2004年
9 董春曦;支持向量机及其在入侵检测中的应用研究[D];西安电子科技大学;2004年
10 安金龙;支持向量机若干问题的研究[D];天津大学;2004年
中国硕士学位论文全文数据库 前10条
1 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
2 刘婷;数据挖掘中的支持向量机方法的研究[D];哈尔滨工程大学;2016年
3 孙庆嘉;多类支持向量机的研究与分析[D];北京交通大学;2010年
4 张拥华;基于支持向量机的金融时间序列研究[D];湖南大学;2008年
5 王敬宇;支持向量机方法及其在企业信用风险评级中的应用[D];吉林大学;2010年
6 戢友;多任务多类特权信息支持向量机[D];华东师范大学;2012年
7 聂盼盼;基于对支持向量机的入侵检测技术研究[D];南京航空航天大学;2012年
8 王兵;过程支持向量机模型及信息变换机制研究[D];大庆石油学院;2007年
9 韩叙东;基于支持向量机的水电故障分类器的设计与实现[D];东北大学;2008年
10 杨星;一种支持向量机的图像多特征疲劳驾驶检测方法研究[D];西安理工大学;2017年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978