收藏本站
《山东师范大学》 2019年
收藏 | 手机打开
二维码
手机客户端打开本文

基于SVM和Adaboost的多分类算法研究

张松  
【摘要】:生活节奏的加快使得人们的睡眠健康和情绪处理出现了诸多问题,因此,睡眠分期和情感识别成为了当今科研工作者关注的热点之一。睡眠分期和情感识别可以作为辅助手段,为失眠、抑郁症、焦虑不安等精神疾病的诊断提供可靠地参考意见。大量的研究表明现有算法存在以下不足:1)经典分类算法多以二分类为主,当进行多类问题的研究时,需要进行多次二分类处理,时间复杂度高;2)经典分类算法分类准确率相对偏低,无法满足睡眠分期和情感识别等研究所要求的分类准确率;3)常见的经典算法大多只能解决二分类的问题,算法结构也需要改进。针对上述问题,论文设计并提出了两种多分类算法用于睡眠分期和情感识别的研究,解决了传统算法不能直接应用于多分类研究的问题。论文对算法的结构进行改进,使得算法的复杂度降低,同时提高了算法的分类准确率,在睡眠分期和情感识别的研究中取得了不错的成果。论文主要研究内容如下:(1)论文将决策树和最小二乘支持向量机(LSSVM)算法进行结合,提出了一种基于决策树和最小二乘支持向量机算法(DLSVM)。用LSSVM代替决策树中的叶子结点,可直接应用于多类问题的研究。DLSVM算法有以下优势:一方面可以减少干扰因素,将复杂的多分类问题逐渐分解为简单的二分类问题,提高分类算法的准确率;另一方面该算法将LSSVM分类器嵌入到决策树的根节点和中间节点,借助决策树算法的结构优势和分类器的二分类属性,构造出一种可以直接进行多分类的算法。(2)论文在Adaboost算法的基础上进行改进,提出了一种基于分层结构与Adaboost的多分类算法(HAdaboost)应用于多类问题的处理。HAdaboost算法可以根据数据的分类种数的不同自适应的调整算法的层数,每经过一层算法的迭代,就可以得出一种分类标记。在进入下一层算法时,已经标记的数据不参与下一层分类算法。因此,算法每经过一层算法迭代,数据的复杂度随之变低,降低了算法的时间复杂度,提高了算法的分类准确率。论文将上述算法应用于睡眠自动分期和情感识别的研究,取得了较好分类效果。
【学位授予单位】:山东师范大学
【学位级别】:硕士
【学位授予年份】:2019
【分类号】:TP181;R318

【相似文献】
中国期刊全文数据库 前10条
1 蒋焰;丁晓青;;基于多步校正的改进AdaBoost算法[J];清华大学学报(自然科学版)网络.预览;2008年10期
2 严智;张鹏;谢川;张钰林;李保军;;一种快速AdaBoost.RT集成算法时间序列预测研究[J];电子测量与仪器学报;2019年06期
3 李军;闫佳佳;;基于KELM-AdaBoost方法的短期风电功率预测(英文)[J];控制工程;2019年03期
4 王伦;;Adaboost-SVM多因子选股模型[J];经济研究导刊;2019年10期
5 叶晓波;秦海菲;吕永林;;一种改进的Adaboost-BP算法在手写数字识别中的研究[J];大理大学学报;2019年06期
6 王玲娣;徐华;;AdaBoost的多样性分析及改进[J];计算机应用;2018年03期
7 杜瑞超;华继学;翟夕阳;李志鹏;;基于改进Real AdaBoost算法的软件可靠性预测[J];空军工程大学学报(自然科学版);2018年01期
8 王玲娣;徐华;;一种基于聚类和AdaBoost的自适应集成算法[J];吉林大学学报(理学版);2018年04期
9 牛清宁;周志强;刘文超;;基于Adaboost算法的人眼检测技术在路考系统中的应用[J];汽车与安全;2016年04期
10 李新战;;基于改进Adaboost算法的人脸检测方法[J];科技经济导刊;2018年18期
中国重要会议论文全文数据库 前10条
1 蔡念;金丰;阮恭勤;潘晴;许少秋;;基于AdaBoost算法的图像复原方法[A];第十五届全国图象图形学学术会议论文集[C];2010年
2 ;Using Skin Color and HAD-AdaBoost Algorithm for Face Detection in Color Images[A];Information Technology and Computer Science—Proceedings of 2012 National Conference on Information Technology and Computer Science[C];2012年
3 Wen Feng;;A Novel Lips Detection Method Combined Adaboost Algorithm and Camshift Algorithm[A];2012年计算机应用与系统建模国际会议论文集[C];2012年
4 陆文聪;钮冰;金雨欢;;基于AdaBoost算法的亚细胞位置预测[A];中国化学会第26届学术年会化学信息学与化学计量学分会场论文集[C];2008年
5 陈宏伟;刘建伟;费向东;;一种半监督环境下的Adaboost算法[A];2008'中国信息技术与应用学术论坛论文集(二)[C];2008年
6 唐晓丹;苗振江;;基于AdaBoost和粒子滤波的目标跟踪[A];第十四届全国图象图形学学术会议论文集[C];2008年
7 于淼;李乃民;王宽全;贾丹兵;闫子飞;;基于AdaBoost的中医舌诊分类算法研究[A];第二次全国中西医结合诊断学术研讨会论文集[C];2008年
8 李晶;陈媛媛;;基于AdaBoost的车牌字符识别模型研究[A];2008中国仪器仪表与测控技术进展大会论文集(Ⅰ)[C];2008年
9 张超;苗振江;;基于AdaBoost的面部信息感知[A];第十三届全国信号处理学术年会(CCSP-2007)论文集[C];2007年
10 郭翌;汪源源;;基于Adaboost算法的颈动脉粥样硬化判别方法[A];中国仪器仪表学会第十一届青年学术会议论文集[C];2009年
中国重要报纸全文数据库 前1条
1 张阳;5G时代,AI能走多远?[N];人民邮电;2019年
中国博士学位论文全文数据库 前10条
1 刘冲;模拟电路故障诊断AdaBoost集成学习方法研究[D];大连海事大学;2011年
2 Ebenezer Owusu;[D];江苏大学;2014年
3 习文星;移动背景下视觉的行人检测、识别与跟踪技术研究[D];中国科学院研究生院(上海技术物理研究所);2015年
4 卢金娜;基于优化算法的径向基神经网络模型的改进及应用[D];中北大学;2015年
5 卢岩;交通监控中的运动人体目标检测与跟踪[D];中国科学院研究生院(长春光学精密机械与物理研究所);2011年
6 王小明;可变光照下人脸检测与识别研究[D];华东师范大学;2010年
7 孙元;多媒体语义检索关键问题研究[D];吉林大学;2010年
8 王颖;成熟microRNA识别及其功能预测方法研究[D];哈尔滨工程大学;2016年
9 吴暾华;面向中医面诊诊断信息提取的若干关键技术研究[D];厦门大学;2008年
10 高常鑫;基于上下文的目标检测与识别方法研究[D];华中科技大学;2010年
中国硕士学位论文全文数据库 前10条
1 贾宏云;基于AdaBoost模型的藏文文本分类研究与实现[D];西藏大学;2019年
2 曹大陆;基于Adaboost算法的遮挡人脸检测研究[D];哈尔滨工程大学;2019年
3 张松;基于SVM和Adaboost的多分类算法研究[D];山东师范大学;2019年
4 刘俊杰;商品图片中的文字检测与识别系统设计[D];华中师范大学;2017年
5 曾雷;基于改进的LLE与Adaboost算法的人脸表情识别[D];中国石油大学(华东);2017年
6 刘嘉璐;基于支持向量机集成模型的我国混合型开放式基金投资价值分析[D];厦门大学;2018年
7 魏依萌;基于GPU加速的Adaboost车辆检测技术研究[D];哈尔滨工程大学;2018年
8 苏倩;基于人脸识别的类门禁系统[D];西安理工大学;2014年
9 岳莹;基于SVM的人脸检测与识别研究[D];河北科技大学;2019年
10 杨国欣;基于Adaboost算法和视觉显著性的羊只目标检测与计数方法研究[D];西北农林科技大学;2019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
  • 010-62791813
  • 010-62985026