收藏本站
《南京理工大学》 2002年
收藏 | 手机打开
二维码
手机客户端打开本文

支持矢量机的算法研究和应用

沈培华  
【摘要】: 支持矢量机(Support Vector Machines,简称SVM)是基于统计学习理论的一种新的模式识别技术。由于采用了使用结构风险最小化原则替代经验风险最小化原则,使它较好的解决了小样本学习的问题。又由于采用了核函数思想,使它把非线性空间的问题转换到线性空间,降低了算法的复杂度。正因为SVM理论有较为完备的理论基础和较好的学习性能,使得它成为继神经网络研究之后新的研究热点,并将推动机器学习理论和技术有重大的发展。尽管SVM理论的性能在许多实际问题的应用中得到了验证,但是该算法在计算上存在着一些问题,包括训练算法速度慢、算法复杂而难以实现以及检测阶段运算量大等等。本文针对上面的问题,主要对SVM算法进行了研究,集中进行了下面一些研究工作。 首先对SVM理论进行基本概念上的介绍,并深入探讨了SVM算法的基本理论。然后对两种具体的SVM算法——SOR算法和LSSVM算法进行了进一步的深入研究,并利用MNIST数据库对这两种算法性能进行比较。 其次针对大规模训练集,为了克服训练算法速度慢,提高训练速度,提出了一种简单的增量学习方法——SISVM。这种算法通过仔细分析SV分布的特点,采用小规模的矩阵运算来代替大规模的矩阵运算。实验结果表明,该算法有效的提高了训练速度。 最后将SVM算法应用到遥感图像的分类,通过与自适应最小距离法和K近邻法的实验结果进行比较,得出SVM算法具有更好的分类效果,也说明了SVM算法在遥感图像分类方面具有很好的应用前景。
【学位授予单位】:南京理工大学
【学位级别】:硕士
【学位授予年份】:2002
【分类号】:TP391.4

【相似文献】
中国期刊全文数据库 前10条
1 董元方;李雄飞;李军;李巍;;XML文档分类的IL-AdaBoost算法[J];吉林大学学报(工学版);2011年04期
2 邢永忠;吴晓蓓;徐志良;;基于矢量基学习的自适应迭代最小二乘支持向量机回归算法[J];南京理工大学学报;2011年03期
3 ;[J];;年期
4 ;[J];;年期
5 ;[J];;年期
6 ;[J];;年期
7 ;[J];;年期
8 ;[J];;年期
9 ;[J];;年期
10 ;[J];;年期
中国重要会议论文全文数据库 前10条
1 张健沛;李忠伟;杨静;;一种基于多支持向量机的并行增量学习方法(英文)[A];第二十二届中国数据库学术会议论文集(技术报告篇)[C];2005年
2 王玲;穆志纯;郭辉;;基于支持向量回归的增量建模方法[A];第25届中国控制会议论文集(上册)[C];2006年
3 赵莹;万福永;;支持向量机的增量学习算法及其在多类分类问题中的应用[A];第25届中国控制会议论文集(下册)[C];2006年
4 郝增荣;刘海军;柳征;姜文利;;一种基于神经网络增量学习的辐射源识别算法[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年
5 罗长升;段建国;许洪波;郭莉;;基于拉推策略的文本分类增量学习研究[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
6 马亮;陈群秀;谭伟;;智能Web信息检索相关研究[A];全国第八届计算语言学联合学术会议(JSCL-2005)论文集[C];2005年
7 刘欣;章勇;王娟;;增量学习的TFIDF_NB协同训练分类算法[A];中国电子学会第十六届信息论学术年会论文集[C];2009年
8 王会珍;朱靖波;季铎;叶娜;张斌;;基于反馈学习自适应的中文话题追踪[A];第二届全国信息检索与内容安全学术会议(NCIRCS-2005)论文集[C];2005年
9 马后锋;樊兴华;;一种改进的增量贝叶斯分类算法[A];2007'仪表,自动化及先进集成技术大会论文集(一)[C];2007年
10 何琳;章林柯;;基于组合变结构Fuzzy-RBF网络的潜艇异类噪声源检测[A];湖北省声学学会成立二十周年纪念文集[C];2006年
中国博士学位论文全文数据库 前10条
1 丁凯;基于增量学习的中文手写书写者自适应技术研究[D];华南理工大学;2011年
2 赵强利;基于选择性集成的在线机器学习关键技术研究[D];国防科学技术大学;2010年
3 秦玉平;基于支持向量机的文本分类算法研究[D];大连理工大学;2008年
4 何学文;基于支持向量机的故障智能诊断理论与方法研究[D];中南大学;2004年
5 王昱;考虑特征变量异质性的分类方法及其在风险决策中的应用研究[D];中国科学技术大学;2009年
6 李斌;概率混合模型的研究及其应用[D];复旦大学;2009年
7 王利民;贝叶斯学习理论中若干问题的研究[D];吉林大学;2005年
8 孙彩堂;彩色虹膜图像识别算法的研究[D];吉林大学;2009年
9 吴冰;相关向量回归元建模关键技术及其应用研究[D];国防科学技术大学;2011年
10 陈海霞;面向数据挖掘的分类器集成研究[D];吉林大学;2006年
中国硕士学位论文全文数据库 前10条
1 沈培华;支持矢量机的算法研究和应用[D];南京理工大学;2002年
2 杜玲;覆盖算法的增量学习研究[D];安徽大学;2010年
3 李曼;云计算平台上的增量学习研究[D];南京邮电大学;2012年
4 张智敏;基于增量学习的分类算法研究[D];华南理工大学;2010年
5 侯伟真;求解支持向量机的若干优化算法的研究[D];山东科技大学;2007年
6 刘晟;支持向量数据描述及其在财务报表舞弊识别中的应用研究[D];江苏大学;2010年
7 冯佳;多层文本分类与增量学习关键技术研究[D];西安电子科技大学;2009年
8 李进;基于SVM增量学习的P2P流媒体流量识别方法研究[D];国防科学技术大学;2010年
9 周鸣;面向手机病毒挖掘引擎的增量贝叶斯算法的研究与实现[D];北京邮电大学;2012年
10 李琼芝;基于模糊神经网络的数据挖掘与控制规则提取[D];北京化工大学;2003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