收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

支持向量回归机理论及其工业应用研究

安文森  
【摘要】:基于数据的机器学习是现代智能信息处理技术十分重要的一个方面,主要研究如何从一些观测数据出发得出目前尚不能通过原理分析得到的规律,从而利用这些规律去分析、认识客观对象,并对未来数据或无法观测的数据进行预测。 支持向量机是在统计学习理论基础上发展起来的一种新的机器学习方法。它最先由Vapnik及其合作者在20世纪90年代提出,近年来无论是从理论研究、算法实现还是应用方面都有了突飞猛进的发展。 然而,作为一种相对年轻的技术,支持向量机在许多方面仍不完善。因此进一步发展和完善支持向量机的理论和方法,以及拓展支持向量机在实际中的应用范围具有十分重要的意义。本文针对支持向量回归机理论和应用两方面进行研究和探索,主要工作包括以下几个方面: 1)提出了一种基于信息几何的支持向量回归机核函数构建算法。支持向量机的性能在很大程度上依赖于核函数的选取,然而目前对于核函数的选择还缺乏理论指导。在从信息几何角度分析核函数几何结构的基础上,提出一种核函数构建算法,使得核函数能充分利用样本数据的信息,从而提高支持向量回归机的性能;在钢水温度预报中的应用表明了方法的有效性。 2)证明了核框架下SILF-SVR与普通Kriging的等价性关系。从数值分析的角度看,支持向量回归机是一种数据插值方法。在给出一种由新的“统一”损失函数(SILF)得到的支持向量回归机的“统一”表达式(SILF-SVR)后,证明了其与另一种数据插值方法——普通Kriging的等价性;并根据两者的等价性关系给出一种核函数参数的选择方法。 3)提出了一种基于领域知识的支持向量回归机算法。标准的支持向量机是完全基于数据的,也即是说,由标准的支持向量机算法得到的模型与问题的领域知识无关,完全取决于训练数据本身。然而实际中我们总可以得到一定的领域知识,为了解决此问题,提出了一种集成领域知识的训练算法;在此基础之上给出了一种信息融合的框架。 4)研究了基于区间信息的支持向量回归机。在实际获取样本时,由于受到


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 谭振宇;杨明;;一种基于支持向量机的角点检测算法[J];电子测试;2011年01期
2 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
3 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
4 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
5 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
6 蒋刚,肖建,郑永康,宋昌林;基于支持向量机的一类水域叶绿素a浓度反演研究[J];计算机应用;2005年10期
7 李琳;张晓龙;;支持向量机学习方法的选择与应用[J];武汉科技大学学报(自然科学版);2006年01期
8 谢铮桂;;基于多分类支持向量机的中医舌诊诊断的研究[J];计算机与数字工程;2008年11期
9 王源;陈亚军;;基于核的支持向量机构造方法的研究[J];微机发展;2005年12期
10 汪洋;鲁加国;张长耀;;基于支持向量机的极化SAR图像分类[J];无线电工程;2007年04期
11 洪宇光,李洁冰,王洪玉;SVM在阵列信号定位中的应用[J];计算机仿真;2004年06期
12 李卓,刘斌,刘铁男,朱秀华,魏坤;支持向量机及其在油田生产中的应用[J];大庆石油学院学报;2005年03期
13 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
14 胡莹,王昱,丁明跃,周成平;一种改进的SVM相关反馈图像检索方法[J];计算机应用研究;2005年01期
15 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
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 薛宇玲;;支持向量机研究进展[J];榆林学院学报;2007年04期
18 杜晓东,李岐强;支持向量机及其算法研究[J];信息技术与信息化;2005年03期
19 张学工;关于统计学习理论与支持向量机[J];自动化学报;2000年01期
20 张琨;曹宏鑫;严悍;刘凤玉;;支持向量机在网络异常入侵检测中的应用[J];计算机应用研究;2006年05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 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
3 刘耀年;王浩;何昌浩;何萍;;基于支持向量回归机的短期电力负荷预测[A];第十届全国电工数学学术年会论文集[C];2005年
4 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
5 贺皓;罗慧;;基于模式识别的支持向量机大雾预报方法[A];陕西省气象学会2006年学术交流会论文集[C];2006年
6 赵晶;高隽;张旭东;谢昭;;支持向量机综述[A];全国第十五届计算机科学与技术应用学术会议论文集[C];2003年
7 应自炉;张有为;李景文;;基于GDA和SVM的人脸表情识别[A];第十三届全国信号处理学术年会(CCSP-2007)论文集[C];2007年
8 高荣;刘晓华;;基于小波变换的支持向量机短期负荷预测[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
9 林关成;李亚安;;基于ANN与SVM的分类和回归比较研究[A];2008’促进中西部发展声学学术交流会论文集[C];2008年
10 门洪;武玉杰;李小英;高艳春;;基于支持向量机的分类算法研究[A];第六届全国信息获取与处理学术会议论文集(3)[C];2008年
中国博士学位论文全文数据库 前10条
1 安文森;支持向量回归机理论及其工业应用研究[D];中国科学技术大学;2006年
2 李忠伟;支持向量机学习算法研究[D];哈尔滨工程大学;2006年
3 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
4 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
5 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
6 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
7 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
8 崔庆安;基于支持向量回归机的复杂过程响应曲面法研究[D];天津大学;2007年
9 任东;基于支持向量机的植物病害识别研究[D];吉林大学;2007年
10 周绮凤;基于支持向量机的若干分类问题研究[D];厦门大学;2007年
中国硕士学位论文全文数据库 前10条
1 刘森华;基于SVM的数据挖掘技术研究[D];长春理工大学;2009年
2 张昕;基于SVM方法的医学图像分类研究[D];浙江大学;2006年
3 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
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 余萍;一种基于边界调节的支持向量机模型[D];重庆大学;2007年
6 徐淑萍;基于支持向量机的图像分割研究综述[D];辽宁科技大学;2008年
7 艾武;基于支持向量机的色素斑痣类皮肤症状识别研究[D];华中科技大学;2007年
8 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
9 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
10 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
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 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
4 记者 何边;网络化激活人工智能[N];计算机世界;2001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 阮光尘朱元春;多层构建邮件免疫机能[N];中国计算机报;2007年
10 冯卫东;科技将这样改变我们的生活[N];科技日报;2008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