收藏本站
《华中科技大学》 2006年
收藏 | 手机打开
二维码
手机客户端打开本文

基于边界向量样本的支持向量分类机

孔波  
【摘要】: 统计学习理论(SLT)是机器学习领域的一个新的理论体系,它非常适用于解决有限样本条件下的机器学习问题。支持向量机(Support vector machine, SVM)是在统计学习理论的基础上发展起来的一种小样本学习理论,与神经网络、遗传算法、人工智能等现有的机器学习方法相比,具有较好的推广能力和非线性处理能力,尤其是在处理高维数据时,有效地解决了“维数灾难”问题。现已广泛应用于模式识别和回归估计等问题中。 由于SVM还是一门崭新的技术,无论是理论上还是实际应用中都有许多问题亟待解,本文主要针对支持向量分类机的算法问题进行了研究: 一是研究了支持向量、中心距离比值、边界向量以及增量学习之间的关系,提出了基于中心距离比值的增量支持向量机。与传统方法相比,基于中心距离比值的增量支持向量机有效的利用了中心距离比值,解决了CDRM+SVM的阈值选取问题;且适合于增量学习;从而在保证了SVM的分类能力没有受到影响的前提下大大地提高了SVM的训练速度。 二是为了弥补最小二乘支持向量机(LS- SVM)所缺失的稀疏性,结合中心距离比值提出了一种稀疏最小二乘支持向量机。该方法不仅弥补了LS- SVM的稀疏性,而且减少了计算机的存储量和计算量,加快了LS- SVM的训练速度和决策速度,且不影响LS- SVM的分类能力。 三是利用SVM中支持向量的稀疏性和支持向量分布于分划超平面周围的性质,提出了一种预抽取相对较近边界向量的选块算法,该算法提高了FFMVM方法的准确率和减少了普通选块算法的迭代次数,从而在保证了SVM的分类能力没有受到影响的前提下大大地提高了SVM的训练速度。
【学位授予单位】:华中科技大学
【学位级别】:硕士
【学位授予年份】:2006
【分类号】:O234

【参考文献】
中国期刊全文数据库 前4条
1 安金龙,王正欧;预抽取支持向量机的支持向量[J];计算机工程;2004年10期
2 安金龙,王正欧;一种适合于增量学习的支持向量机的快速循环算法[J];计算机应用;2003年10期
3 刘广利,邓乃扬;基于SVM分类的预警系统[J];中国农业大学学报;2002年06期
4 邓乃扬,刘广利,张春华;一种新的支持向量分类方法及其在粮食安全预警系统中的应用(英文)[J];运筹学学报;2003年02期
中国博士学位论文全文数据库 前1条
1 刘广利;基于支持向量机的经济预警方法研究[D];中国农业大学;2003年
【共引文献】
中国期刊全文数据库 前10条
1 冀卫兴;陈忠海;方筝;;基于DE—BP算法的空调负荷预测研究[J];四川建筑科学研究;2010年05期
2 杨绪兵,韩自存;ε不敏感的核Adaline算法及其在图像去噪中的应用[J];安徽工程科技学院学报(自然科学版);2003年04期
3 陶秀凤,唐诗忠,周鸣争;基于支持向量机的软测量模型及应用[J];安徽工程科技学院学报(自然科学版);2004年02期
4 彭志捌;尹雪莲;;基于BP神经网络的教学质量评价模型[J];安徽建筑工业学院学报(自然科学版);2009年06期
5 王吉华,袁翔,孙梅霞;神经网络方法在计算蔗糖溶液粘度值中的应用[J];安徽农业科学;2003年02期
6 麻永建;;基于人工神经网络的江苏省小城镇经济发展水平及其区域差异研究[J];安徽农业科学;2006年05期
7 李淑华;徐良培;陶建平;;基于支持向量机的我国水产品出口贸易风险预警研究[J];安徽农业科学;2008年30期
8 许高程;张文君;王卫红;;支持向量机技术在遥感影像滑坡体提取中的应用[J];安徽农业科学;2009年06期
9 梁春玲;张祖陆;牛玉生;;南四湖水安全评价研究[J];安徽农业科学;2009年07期
10 程伟;张燕平;赵姝;;支持向量机在粮食产量预测中的应用[J];安徽农业科学;2009年08期
中国重要会议论文全文数据库 前10条
1 ;An effective procedure exploiting unlabeled data to build monitoring system[A];中国科学院地质与地球物理研究所第11届(2011年度)学术年会论文集(下)[C];2012年
2 宋海鹰;桂卫华;阳春华;;基于核偏最小二乘的简约最小二乘支持向量机及其应用研究[A];第二十六届中国控制会议论文集[C];2007年
3 宋海鹰;桂卫华;阳春华;;基于最小二乘支持向量机的Hammerstein-Wiener模型辨识[A];第二十六届中国控制会议论文集[C];2007年
4 ;Inverse System Control of Nonlinear Systems Using LS-SVM[A];第二十六届中国控制会议论文集[C];2007年
5 ;A Novel Kernel PCA Support Vector Machine Algorithm with Feature Transition Function[A];第二十六届中国控制会议论文集[C];2007年
6 ;A Novel Proximal Support Vector Machine and Its Application in Radar Target Recognition[A];第二十六届中国控制会议论文集[C];2007年
7 ;A CDMA Signal Receiver Based on LS-SVM[A];第二十六届中国控制会议论文集[C];2007年
8 周绮凤;林成德;罗林开;彭洪;;一种基于黎曼度量的训练样本类不平衡SVM分类方法研究[A];第二十六届中国控制会议论文集[C];2007年
9 顾小军;杨世锡;钱苏翔;;基于支持向量机的旋转机械多类故障识别研究[A];第二十六届中国控制会议论文集[C];2007年
10 吕蓬;柳亦兵;马强;魏于凡;;支持向量机在齿轮智能故障诊断中的应用研究[A];第二十六届中国控制会议论文集[C];2007年
中国博士学位论文全文数据库 前10条
1 赵莹;半监督支持向量机学习算法研究[D];哈尔滨工程大学;2010年
2 梁洪;基于内容的医学图像检索及语义建模关键技术研究[D];哈尔滨工程大学;2010年
3 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
4 孔凡芝;引线键合视觉检测关键技术研究[D];哈尔滨工程大学;2009年
5 李晚龙;六自由度Stewart平台分散智能控制研究[D];哈尔滨工程大学;2010年
6 杨宁;计算机辅助卷烟配方设计关键技术研究[D];中国海洋大学;2010年
7 郑大腾;柔性坐标测量机空间误差模型及最佳测量区研究[D];合肥工业大学;2010年
8 李书艳;单点氨基酸多态性与疾病相关关系的预测及其机制研究[D];兰州大学;2010年
9 柏坚;非线性数学地质模型研究及在滇东南金矿成矿预测中的应用[D];中国地质大学(北京);2010年
10 张明;电能质量扰动相关问题研究[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 曾传华;基于颜色和纹理特征的竹条分级方法研究[D];华中农业大学;2010年
2 范红朴;IT行业员工离职预警问题研究[D];华中农业大学;2010年
3 朱杰;一种基于聚类的支持向量机反问题求解算法[D];河北大学;2007年
4 李金华;基于SVM的多类文本分类研究[D];山东科技大学;2010年
5 田文娟;基于支持向量机的人民币序列号识别方法的研究[D];山东科技大学;2010年
6 徐芳芳;优化问题的PVD算法研究[D];山东科技大学;2010年
7 孟培培;基于3S的土地督察信息系统研究[D];山东科技大学;2010年
8 朱耿峰;支持向量机在冲击地压预测模型中的应用研究[D];山东科技大学;2010年
9 刘维会;不平衡数据集上支持向量机算法研究[D];山东科技大学;2010年
10 姜成玉;基于支持向量机的时间序列预测[D];辽宁师范大学;2010年
【二级参考文献】
中国期刊全文数据库 前10条
1 王建芬,曹元大;支持向量机在大类别数分类中的应用[J];北京理工大学学报;2001年02期
2 王国胜,钟义信;支持向量机的若干新进展[J];电子学报;2001年10期
3 吴声怡;应用神经网络评价粮食安全[J];福建论坛(经济社会版);2002年03期
4 李靖华,郭耀煌;主成分分析用于多指标评价的方法研究——主成分评价[J];管理工程学报;2002年01期
5 田盛丰,黄厚宽;基于支持向量机的数据库学习算法[J];计算机研究与发展;2000年01期
6 顾海兵;宏观经济预警研究:理论·方法·历史[J];经济理论与经济管理;1997年04期
7 刘广利,杨志民;一种新的支持向量回归预测模型[J];吉首大学学报(自然科学版);2002年03期
8 萧嵘;王继成;张福炎;;支持向量机理论综述[J];计算机科学;2000年03期
9 肖健华,吴今培;基于核的特征提取技术及应用研究[J];计算机工程;2002年10期
10 戴行信;预警的数学理论研究[J];武汉理工大学学报(交通科学与工程版);2002年02期
【相似文献】
中国期刊全文数据库 前10条
1 王快妮;倪科社;丁小帅;;最小二乘支持向量回归机在股指预测中的应用[J];科技信息;2010年18期
2 刘科峰;张韧;于鹏;王彦磊;余丹丹;;基于小波分解和最小二乘支持向量机的西太平洋副高预测模型[J];热带气象学报;2007年05期
3 张学军;李红;邓鹤;;基于最小二乘支持向量机的红外小目标检测[J];应用数学;2007年S1期
4 李志雄;;基于最小二乘支持向量机的砂土液化预测方法[J];西北地震学报;2007年02期
5 周鑫;包兴;;基于LS-SVM的产品需求预测[J];商场现代化;2007年20期
6 刘涵,刘丁,任海鹏;基于最小二乘支持向量机的混沌控制[J];物理学报;2005年09期
7 赵卿;李潇;徐进军;宓天跃;;混沌-支持向量机在大坝安全监控预测中的应用[J];大地测量与地球动力学;2008年02期
8 李潇;徐进军;;基于小波分析与LSSVM的滑坡变形预测[J];大地测量与地球动力学;2009年04期
9 熊胜华;周翠英;;基于缩减策略的混沌时间序列LSSVM预测模型[J];中山大学学报(自然科学版);2011年01期
10 高林庆;张植明;田景峰;;非概率空间上统计学习理论基础研究进展及展望[J];河北大学成人教育学院学报;2007年04期
中国重要会议论文全文数据库 前10条
1 李亚芬;李莹;马宁圣;;精馏过程航煤干点的软测量实现[A];中国仪器仪表学会2005年学术年会测控技术与节能环保学术会议论文集[C];2005年
2 苏高利;秦钟;于强;;基于最小二乘支持向量机的农田水汽通量建模[A];首届长三角科技论坛——气象科技发展论坛论文集[C];2004年
3 孙岩;彭亦功;;基于支持向量机和粒子群优化算法的软测量建模[A];中国仪器仪表学会2008学术年会第二届智能检测控制技术及仪表装置发展研讨会论文集[C];2008年
4 牛超;李夕海;刘代志;;基于混沌理论和LS-SVM的地球变化磁场时间序列预测[A];国家安全地球物理丛书(五)——地球物理与海洋安全[C];2009年
5 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
6 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
7 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
8 戴林超;吴琳丽;赵海娜;李训铭;;基于最小二乘支持向量机的故障预测法[A];2009年中国智能自动化会议论文集(第六分册)[中南大学学报(增刊)][C];2009年
9 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
10 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
中国博士学位论文全文数据库 前10条
1 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
2 郭新辰;最小二乘支持向量机算法及应用研究[D];吉林大学;2008年
3 陈爱军;最小二乘支持向量机及其在工业过程建模中的应用[D];浙江大学;2006年
4 郭晓刚;高面板坝趾板基础高压灌浆技术及其智能预测与控制研究[D];中国科学院研究生院(武汉岩土力学研究所);2008年
5 彭珍瑞;基于LS-SVM的气液两相流参数测量研究[D];浙江大学;2007年
6 邹敏;基于支持向量机的水电机组故障诊断研究[D];华中科技大学;2007年
7 蒲秀娟;胎儿心电信号提取研究[D];重庆大学;2009年
8 张茂雨;支持向量机方法在结构损伤识别中的应用[D];同济大学;2007年
9 何熠;基于支持向量机的非线性系统辨识建模与控制[D];天津大学;2007年
10 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
中国硕士学位论文全文数据库 前10条
1 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
2 高异;基于支持向量机的非线性系统建模与控制[D];西安理工大学;2006年
3 李莹;精馏过程航煤干点的软测量工程实现[D];大连理工大学;2006年
4 滕文凯;支持向量机反问题及其解法[D];河北大学;2005年
5 杜晓东;基于支持向量机的数据挖掘方法[D];山东大学;2005年
6 王李东;基于支持向量机(SVM)的短期负荷预测的研究[D];华中科技大学;2005年
7 郭得令;基于LS-SVM的围岩位移非线性预测应用研究[D];武汉理工大学;2006年
8 詹超;支持向量机在基因表达数据分类中的研究[D];武汉理工大学;2006年
9 马洁;基于支持向量机的股市预测问题研究[D];天津大学;2006年
10 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
 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