收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

支持向量机集成及在遥感分类中的应用

何灵敏  
【摘要】:自Vapnik于1995年提出支持向量机(Support Vector Machines,SVM)后,支持向量机已经在很多领域得到了成功的应用。然而支持向量机也存在着几个缺点:首先,用于解优化问题的逼近算法会影响泛化能力;其次,核函数和分类参数(包括惩罚系数C,核函数参数)的选择没有特别好的办法,应用时不容易找到最优的核函数和分类参数;最后,两类支持向量机扩展到多类时会导致性能下降。集成技术是现在机器学习的热点之一,以神经网络、决策树等为基本分类器的集成研究已经取得了很大的进展,而基于支持向量机的集成技术研究相对起步较晚,研究较少。本文研究了多类支持向量机集成,同时,尝试把支持向量机集成应用于遥感分类的研究。本文所取得的创新性研究成果主要有: 1.比起神经网络、决策树等学习算法,支持向量机是相对稳定的分类器,利用常用的集成算法Bagging和Boosting对SVM进行集成并不能有效地提高分类效果,本文提出了同时扰动训练集和SVM分类模型参数的RBaggSVM和RBoostSVM算法,算法的特点是在一定的范围内随机选取SVM的模型参数,以获得有差异的成员分类器。 2.把寻找部分分类器参与集成以取得最佳效果看作是优化问题,遗传算法对优化问题具有全局寻优能力,本文提出了基于遗传算法的GARBaggSVM和GARBoostSVM分类器选择算法。尝试应用遗传算法对SVM集成的合成权重进行优化,然后选择最优的部分成员SVM参与集成来提高分类精度。 3.提出一种基于局部精度的动态集成算法DERBaggSVM和DERBoostSVM,根据待分类测试样本在其周围邻近空间的局部精度来选择一部分成员分类器参与集成,经投票或加权投票得到分类结果。 4.尝试将多类支持向量机、支持向量机集成应用到多源遥感分类中,并与最大似然法、神经网络和神经网络集成技术进行比较,显示了支持


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 韦振中;黄廷磊;;基于支持向量机和遗传算法的特征选择[J];广西工学院学报;2006年02期
2 郭立力;赵春江;;十折交叉检验的支持向量机参数优化算法[J];计算机工程与应用;2009年08期
3 王凯;张永祥;李军;;遗传算法和支持向量机在机械故障诊断中的应用研究[J];机械强度;2008年03期
4 周娟;杨鼎才;;基于GA-SVM的说话人辨认的参数优化[J];电子技术;2008年02期
5 申宇皓;孟晨;傅振华;张磊;;基于改进支持向量机的仿真电路故障诊断研究[J];计算机仿真;2010年01期
6 李钊;古辉;;基于遗传算法进化的数字图像处理[J];中国新技术新产品;2010年02期
7 乔立岩;彭喜元;马云彤;;基于遗传算法和支持向量机的特征子集选择方法[J];电子测量与仪器学报;2006年01期
8 夏永军;;一种基于SVM新的学习方法及应用[J];电脑知识与技术;2008年33期
9 徐庆伶;汪西莉;;一种基于支持向量机的半监督分类方法[J];计算机技术与发展;2010年10期
10 赵洪波;;基于遗传算法的进化支持向量机研究[J];绍兴文理学院学报(自然科学版);2004年03期
11 连可;黄建国;王厚军;龙兵;;一种基于遗传算法的SVM决策树多分类策略研究[J];电子学报;2008年08期
12 马超;李世平;张进;;基于遗传算法支持向量机的虚拟仪器动态补偿[J];中国测试;2010年04期
13 王一;杨俊安;刘辉;;一种基于遗传算法的SVM决策树多分类方法[J];信号处理;2010年10期
14 刘涛;王华;;传感器非线性校正的遗传支持向量机方法[J];电子测量与仪器学报;2011年01期
15 李剑;;混沌时间序列预测模型的应用与研究[J];计算机仿真;2011年04期
16 樊慧丽;杨亚萍;;基于遗传算法的支持向量机人脸识别技术[J];浙江万里学院学报;2006年05期
17 雷剑;;基于SVM和遗传算法的建模与全局寻优方法[J];科技广场;2008年05期
18 董国君;哈力木拉提·买买提;余辉;;基于RBF核的SVM核参数优化算法[J];新疆大学学报(自然科学版);2009年03期
19 桂红霞;;基于遗传算法的加权支持向量机的短期电力负荷预测[J];工业控制计算机;2010年05期
20 谢志强;;基于遗传算法支持向量机的网络入侵预测[J];计算机仿真;2010年08期
中国重要会议论文全文数据库 前10条
1 宗朝霞;汤宏胜;贺曼;葛忠学;来蔚鹏;李华;;基于遗传算法的支持向量机预测含能材料密度的研究[A];第十届全国计算(机)化学学术会议论文摘要集[C];2009年
2 李占潮;陈超;周喜斌;邹小勇;;基于遗传算法和支持向量机预测蛋白质结构类[A];第九届全国计算(机)化学学术会议论文摘要集[C];2007年
3 孙浚清;李世平;唐超;张弦;;基于GA-SVM的装备需求时间序列预测[A];第十七届全国测控计量仪器仪表学术年会(MCMI'2007)论文集(上册)[C];2007年
4 董景荣;杨秀苔;;基于支持向量机和遗传算法的R&D项目中止决策诊断[A];第九届中国管理科学学术年会论文集[C];2007年
5 张满怀;;两类基于异常的网络入侵检测方法的比较[A];2007中国科协年会——通信与信息发展高层论坛论文集[C];2007年
6 刘明贵;彭俊伟;;进化支持向量机在基桩低应变完整性检测中的应用[A];2007'湖北·武汉NDT学术年会论文集[C];2007年
7 顾锦荣;刘华强;孙预前;;遗传算法优化的支持向量机模型在热带气旋强度预报中的应用[A];第七届长三角气象科技论坛论文集[C];2010年
8 徐科;邹科举;;基于小波变换和支持向量机的军事目标检测[A];第三届中国智能计算大会论文集[C];2009年
9 李烨;蔡云泽;许晓鸣;;基于支持向量机集成的故障诊断[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年
10 林平;王福利;刘浏;;齿轮钢精炼过程淬透性的预报研究[A];2009中国控制与决策会议论文集(3)[C];2009年
中国博士学位论文全文数据库 前10条
1 何灵敏;支持向量机集成及在遥感分类中的应用[D];浙江大学;2006年
2 杨实俊;可持续发展约束下小型火电厂危机管理研究[D];华北电力大学(河北);2008年
3 常群;支持向量机的核方法及其模型选择[D];哈尔滨工业大学;2007年
4 薛云;基于蚁群算法和支持向量机的矿化蚀变信息提取研究[D];中南大学;2008年
5 燕忠;基于蚁群优化算法的若干问题的研究[D];东南大学;2005年
6 何广杰;克隆选择算法及其在地基工程若干问题中的应用[D];西南交通大学;2007年
7 佟伟民;股指期货交易中操纵行为识别方法研究[D];哈尔滨工业大学;2008年
8 王开义;基于支持向量机的农产品生产关键控制点发现研究[D];北京工业大学;2011年
9 李启青;遥感数据处理的遗传优化及其组合算法研究[D];中国科学院研究生院(遥感应用研究所);2004年
10 葛宏立;面向类的图像分割方法研究[D];北京林业大学;2004年
中国硕士学位论文全文数据库 前10条
1 张永新;基于支持向量机和遗传算法相结合的模拟电路故障诊断方法研究[D];东北大学;2009年
2 付阳;支持向量机并行训练算法与基于遗传算法的参数优化研究[D];南昌大学;2010年
3 陆有忠;进化支持向量机及其在岩体边坡中的应用[D];宁夏大学;2004年
4 段杨;遗传算法的若干改进及其在支持向量机中的应用研究[D];南京邮电大学;2012年
5 熊娓;基于SVM和GA混合算法的基因芯片特征基因子集选取研究[D];吉林大学;2006年
6 孙瑾;支持向量机在个人信用评估中的应用[D];中南大学;2008年
7 闫磊凡;遗传算法求解反SVM问题在集群系统上的实现[D];河北大学;2006年
8 刘铮;智能优化算法在电磁工程中的应用[D];南京理工大学;2005年
9 滕文凯;支持向量机反问题及其解法[D];河北大学;2005年
10 黄勤径;电站燃煤锅炉多目标燃烧优化算法研究[D];中南大学;2008年
中国重要报纸全文数据库 前10条
1 林京;《神经网络和遗传算法在水科学领域的应用》将面市[N];中国水利报;2002年
2 赵亚涛张春明;一次出动完成10余个训练课目[N];解放军报;2008年
3 程爱娟;旅行推销员问题(TSP)的人工智能解法及其应用[N];新疆科技报(汉);2001年
4 中国科技大学计算机系 邢方亮;计算智能百花齐放[N];计算机世界;2003年
5 本报记者 胡英;趋势科技推全新云安全3.0方案[N];计算机世界;2010年
6 ;富融IMAGINE:数字城市的四款工具[N];中国计算机报;2002年
7 范欢;重视关键点 推进ERP成功实施[N];华中电力报;2008年
8 郑智 徐欣然;一座县城的长城课题[N];人民日报海外版;2009年
9 包家庆;IDS五大发展趋势[N];网络世界;2002年
10 赵永新;呼唤更多科学的提灯[N];人民日报;2010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