收藏本站
《厦门大学》 2007年
收藏 | 手机打开
二维码
手机客户端打开本文

基于支持向量机的若干分类问题研究

周绮凤  
【摘要】: 分类问题是实际应用中普遍存在的问题,也是机器学习领域的基础研究之一,快速发展的信息技术对其在理论研究和实际应用中提出了许多新的难题和挑战。支持向量机(Support Vector Machine,SVM)是基于统计学习理论,借助最优化方法来解决机器学习问题的有力工具,目前,已表现出很多优于已有方法的性能。 本文以深入探讨分类问题为研究目标,立足于对支持向量分类机的理论模型和在实际中的应用进行完善、推广和创新。论文的主要内容包括以下几个方面: 1.对本文采用的基础理论进行了介绍。主要包括机器学习的主要问题,统计学习理论的基本内容,以及支持向量机的基本思想和研究现状。 2.从特征空间的几何结构入手,对核函数所蕴含的黎曼度量、距离度量和角度度量进行详细分析,在此基础上深入探讨高斯径向基核函数的几何性质,并分析了映射、核与度量之间的关系,说明支持向量机算法的解本质上依赖于度量。 3.提出一种新的解决类不平衡与代价敏感分类问题的方法。支持向量机通过核函数,将数据嵌入到高维特征空间的一个低维流形表面,利用微分几何中流形表面诱导的黎曼度量,在半径间隔界的控制下,通过保角映射,放大类不平衡问题中少样本类与分界面之间的间隔,从而在保证多数类准确率较高的前提下,达到提高少数类的分类准确率,有效的减少了支持向量机在类不平衡问题中的有偏性。 4.对1-v-r方法中子分类器采用不同核参数时,各决策输出值的可比性进行了深入分析,说明此时将各子分类问题映射到不同的特征空间,其决策输出值仍具有可比性,且能提高总体分类的性能。 5.对分解多分类方法中存在的不可分现象进行了研究,针对一些实际应用问题,提出一种基于决策间隔的模糊输出支持向量机算法,该方法可以更为有效地解决不可分问题。 6.从VC维的角度比较了有序与无序分类问题的复杂度,说明线性分类器的VC维与其分级维相同;结合支持向量机技术提出一种改进的内嵌空间算法,并在实际有序分类问题——企业信用风险评估问题中验证了该方法的有效性。 最后,对本文的工作进行了总结,并对今后的研究工作提出了展望。
【学位授予单位】:厦门大学
【学位级别】:博士
【学位授予年份】:2007
【分类号】:TP18

【相似文献】
中国期刊全文数据库 前10条
1 王素云;崔丽威;宫雷;曹苏娜;;SVM方法在滚动轴承故障诊断中的应用[J];西安文理学院学报(自然科学版);2011年03期
2 龙婷;王厚军;龙兵;;基于SVM的模拟测试生成的改进算法[J];系统工程与电子技术;2011年06期
3 李小斌;李世银;;时间序列早期分类的多分类器集成方法[J];山东大学学报(工学版);2011年04期
4 曹晓莉;王荣秀;孙怀义;胡卫军;江朝元;;船用污水处理装置运行状态的正交基分类模型[J];仪器仪表学报;2011年08期
5 严超;王元庆;李久雪;张兆扬;;AdaBoost分类问题的理论推导[J];东南大学学报(自然科学版);2011年04期
6 王安娜;李云路;赵锋云;史成龙;;一种新的半监督直推式支持向量机分类算法[J];仪器仪表学报;2011年07期
7 胡聪;黄剑华;张英涛;唐降龙;;多示例学习在多ROI乳腺肿瘤分类中的应用[J];智能计算机与应用;2011年03期
8 吕卓;谢松云;赵金;赵海涛;;基于SVM及其改进算法的fMRI图像分类性能研究[J];电子设计工程;2011年16期
9 廖元秀;周生明;;误差在Cost-Sensitive分类中的应用[J];广西师范大学学报(自然科学版);2011年02期
10 赵秀宽;阳建宏;黎敏;徐金梧;;一种改进的不平衡数据集分类方法[J];计算机工程;2011年15期
中国重要会议论文全文数据库 前10条
1 史晓涛;刘建丽;骆玉荣;;一种抗噪音的支持向量机学习方法[A];全国第19届计算机技术与应用(CACIS)学术会议论文集(下册)[C];2008年
2 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
3 张钹;张铃;;统计学习理论及其应用[A];2001年中国智能自动化会议论文集(上册)[C];2001年
4 张国宣;孔锐;施泽生;郭立;;一种新的基于聚类的SVM迭代算法[A];第二届全国信息获取与处理学术会议论文集[C];2004年
5 孙向东;黄日波;;运用SVMs原理预测蛋白质二级结构研究[A];广西微生物学会2003年学术年会论文集[C];2003年
6 刘斌;魏贤龙;李卓;;基于支持向量机的Widrow自适应滤波器[A];2006中国控制与决策学术年会论文集[C];2006年
7 孟祥国;马军;段昕;;基于统计学习理论的支持向量机算法研究[A];2006年全国理论计算机科学学术年会论文集[C];2006年
8 王然风;姚海生;;基于统计学习理论的选煤过程关键工艺参数智能软测量建模研究综述[A];2005年全国选煤学术会议论文集[C];2005年
9 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
10 初燕;付忠广;戈志华;靳涛;卞双;;基于支持向量机的故障诊断方法探讨[A];中国动力工程学会第三届青年学术年会论文集[C];2005年
中国重要报纸全文数据库 前10条
1 记者 陶艺音;因势利导 拓展空间[N];上海科技报;2006年
2 邓谦;吴光兴:关于《汉书艺文志》“诗赋略”的分类问题[N];中国社会科学院院报;2007年
3 峰之;近30年来汉墓综合研究中的墓葬分类问题[N];中国文物报;2002年
4 实习生 胡敏记者 孙小杰;奥运场馆签约饭店引入垃圾分类处理[N];北京日报;2007年
5 施爱东;《中国民俗通志》的分类学意义[N];中华读书报;2006年
6 北京大学考古文博学院 杨哲峰;汉代陶瓷分类问题管见[N];中国文物报;2006年
7 焦亮 实习生 张志磊 李蓓;我市召开第六次对外开放工作例会[N];新乡日报;2006年
8 霍旭;“限塑令”给哈密油城居民带来的变化[N];中国石油报;2008年
9 记者 姚蔚;整车特征认定办法不违反WTO规则[N];中国汽车报;2005年
10 中央纪委副书记 夏赞忠;抓紧构建反腐倡廉制度体系[N];中国纪检监察报;2005年
中国博士学位论文全文数据库 前10条
1 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
2 冯云龙;统计学习理论中基于核的算法研究[D];中国科学技术大学;2012年
3 姜静清;最小二乘支持向量机算法及应用研究[D];吉林大学;2007年
4 刘建丽;面向生物数据分析的支持向量机技术的研究[D];北京工业大学;2007年
5 徐红敏;基于支持向量机理论的水环境质量预测与评价方法研究[D];吉林大学;2007年
6 牟少敏;核方法的研究及其应用[D];北京交通大学;2008年
7 王朝勇;支持向量机若干算法研究及应用[D];吉林大学;2008年
8 吴青;基于优化理论的支持向量机学习算法研究[D];西安电子科技大学;2009年
9 殷志伟;基于统计学习理论的分类方法研究[D];哈尔滨工程大学;2009年
10 阎满富;求解分类问题的支持向量机方法与应用研究[D];中国农业大学;2005年
中国硕士学位论文全文数据库 前10条
1 邓小文;基于SVM的柴油机机械故障诊断研究[D];厦门大学;2006年
2 王忠文;统计学习理论及其在地学中的应用研究[D];吉林大学;2007年
3 孔波;基于边界向量样本的支持向量分类机[D];华中科技大学;2006年
4 陈琳琳;基于遗传参数优化的模糊支持向量多类分类机及应用[D];重庆师范大学;2009年
5 王海洋;基于SVM的分段贪婪算法研究[D];西安科技大学;2009年
6 谭冠群;基于多类软间隔支持向量机的文本分类问题研究[D];哈尔滨理工大学;2008年
7 李治伟;支持向量机及其在纹理分类中的应用[D];汕头大学;2008年
8 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
9 高泓;基于支持向量机的动态预测方法与实现技术研究[D];大庆石油学院;2009年
10 张昕;基于SVM方法的医学图像分类研究[D];浙江大学;2006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