收藏本站
《武汉理工大学》 2009年
收藏 | 手机打开
二维码
手机客户端打开本文

支持向量机融合方法的研究

李哲  
【摘要】: 近年来,机器学习算法一直受到学者广泛的关注,并且得到了各个领域的应用。同时信息融合方法在近十几年也得到了大量的实际应用。那么,将这两种方法结合起来,互相弥补缺陷而保持各自的优点对于智能方法理论的研究就可以更进一步。 支持向量机是当前应用最为广泛的机器学习算法之一,它以Vapnik的统计学习理论为基础,其中VC维理论和结构风险最小化原则是支持向量机理论基础的核心。支持向量机具有良好的泛化能力,适用于小样本问题,并且能够避免局部最优解,所以能够很好的应用于许多分类和回归问题中。支持向量机的实现中最重要的就是它的训练算法,当前有多种训练算法,而最常用的就是序贯最小优化算法。原始的支持向量机只能解决二类分类问题,然而现实生活中的问题往往需要多类分类,所以学者们提出了几种用于建立多类支持向量机的方法。为了适应更多的应用需求,研究者们还提出了一些建立支持向量机概率输出的方法。 信息融合技术已经被提出多年,而近几年对它的研究和应用开始十分广泛,因此信息融合的方法也非常多。其中最常用的包括贝叶斯推理和DS证据理论。贝叶斯推理以概率论为理论基础,已经成功应用于多个领域。DS证据理论可以很好的解决不确定性问题,而且可以看作是贝叶斯推理的推广,在实际应用中也体现了良好的性能。 本文的研究目的就是为了将支持向量机与信息融合方法相结合,从而使这两种技术互相取长补短,从而更好的解决分类问题。本文通过对支持向量机以及几种信息融合方法的研究,将两者相结合,提出了几种基于支持向量机的信息融合策略,包括最大和策略、贝叶斯推理策略、DS证据推理策略以及两层支持向量机策略。在分析了这几种融合策略的理论可行性之后,本文使用libSVM作为支持向量机的源代码来实现上述四种信息融合策略。同时用实现的方法进行了大量的实验。通过观察分析实验结果可以发现,本文提出的几种基于支持向量机的信息融合策略具有较好的提高分类的效果。同时这些融合策略最大的特点是可以处理小样本分类问题,特别是使用DS证据理论作为信息融合的方法。支持向量机使用于处理小样本问题,DS证据理论适用于不确定性问题的处理,这两点众所周知。所以,实验结果充分证明了这两点理论的正确性。这也更进一步说明本文提出的基于支持向量机的信息融合策略适用于小样本分类问题。
【学位授予单位】:武汉理工大学
【学位级别】:硕士
【学位授予年份】:2009
【分类号】:TP181

【引证文献】
中国硕士学位论文全文数据库 前3条
1 徐翻翻;基于D-S证据理论的模式分类问题的研究[D];哈尔滨工业大学;2010年
2 王惠惠;基于心电脉搏信息融合的亚健康状态识别[D];燕山大学;2011年
3 黄磊;支持向量机回归模型在微体系结构设计中的应用[D];武汉理工大学;2010年
【参考文献】
中国期刊全文数据库 前10条
1 张山鹰,潘泉,张洪才;证据推理冲突问题研究[J];航空学报;2001年04期
2 汪国有,邹玉兰;基于贝叶斯数据融合的多尺度目标识别[J];华中科技大学学报(自然科学版);2003年11期
3 赵广社,张希仁;基于主成分分析的支持向量机分类方法研究[J];计算机工程与应用;2004年03期
4 戴冠中,潘泉,张山鹰,张洪才;证据推理的进展及存在问题[J];控制理论与应用;1999年04期
5 王耀南,李树涛;多传感器信息融合及其应用综述[J];控制与决策;2001年05期
6 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
7 李建民,张钹,林福宗;支持向量机的训练算法[J];清华大学学报(自然科学版);2003年01期
8 李建民 ,张钹 ,林福宗;序贯最小优化的改进算法[J];软件学报;2003年05期
9 徐凌宇,张博锋,徐炜民,徐怀宇,郭非凡;D-S理论中证据损耗分析及改进方法[J];软件学报;2004年01期
10 彭佳红,沈岳,张林峰;数据挖掘中的特征选择及其算法研究[J];计算机工程与设计;2005年05期
中国博士学位论文全文数据库 前2条
1 唐发明;基于统计学习理论的支持向量机算法研究[D];华中科技大学;2005年
2 孙卫祥;基于数据挖掘与信息融合的故障诊断方法研究[D];上海交通大学;2006年
中国硕士学位论文全文数据库 前1条
1 高方伟;多传感器融合的技术研究[D];西安电子科技大学;2007年
【共引文献】
中国期刊全文数据库 前10条
1 陆余良,孙乐昌,夏阳;计算机网络安全评估及研究现状[J];安徽电子信息职业技术学院学报;2004年Z1期
2 王东霞;张楠;路晓丽;;基于育种算法的SVM参数优化[J];安徽大学学报(自然科学版);2009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 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
5 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
6 武素华;;基于最小二乘支持向量机的土壤含水量检测的研究与分析[J];安徽农业科学;2009年09期
7 陈念;沈佐民;;基于化学成分检测和SVM分类的茶叶品质鉴定[J];安徽农业科学;2010年15期
8 管翠萍;;药物靶标G蛋白偶联受体的识别预测[J];安徽农业科学;2010年24期
9 关宇;杨晓京;姜涛;;农业机器人多传感器信息融合技术的研究进展[J];安徽农业科学;2010年25期
10 唐晓芬;赵秉新;;基于支持向量机的农村劳动力转移预测[J];安徽农业科学;2011年11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 ;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
4 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
5 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
6 姜明辉;袁绪川;;基于GA优化的个人信用评估SVM模型[A];第二十六届中国控制会议论文集[C];2007年
7 ;Predictive Fusion Weighted Method Based on Multisensor Time-Delay Network[A];第二十七届中国控制会议论文集[C];2008年
8 韩露;余正涛;邓锦辉;章程;毛存礼;郭剑毅;;领域知识关系对领域文本分类的影响[A];第二十七届中国控制会议论文集[C];2008年
9 ;Fault Pattern Recognition of Rolling Bearings Based on Wavelet Packet and Support Vector Machine[A];第二十七届中国控制会议论文集[C];2008年
10 蒋少华;桂卫华;阳春华;唐朝晖;蒋朝辉;;基于主元分析与支持向量机的方法及其在密闭鼓风炉过程监控诊断中的应用[A];第二十七届中国控制会议论文集[C];2008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 母丽华;煤矿安全预警系统的方法研究[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 朱广平;混响干扰中的信号检测技术研究[D];哈尔滨工程大学;2009年
5 冯光升;面向认知网络的自适应QoS感知与配置方法[D];哈尔滨工程大学;2009年
6 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
7 倪丽萍;基于分形技术的金融数据分析方法研究[D];合肥工业大学;2010年
8 何建民;面向网络社区聆听客户声音方法研究[D];合肥工业大学;2010年
9 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
10 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
中国硕士学位论文全文数据库 前10条
1 展慧;基于多源信息融合技术的板栗分级检测方法研究[D];华中农业大学;2010年
2 杜二玲;拟概率空间上等均值噪声下统计学习理论的理论基础[D];河北大学;2007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 成志新;无气泵动态血压监测系统设计[D];山东科技大学;2010年
6 安文娟;Fisher和支持向量综合分类器[D];辽宁师范大学;2010年
7 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
8 江达秀;基于HMAX模型的人脸表情识别研究[D];浙江理工大学;2010年
9 姜念;区间自适应粒子群算法研究及其应用[D];郑州大学;2010年
10 李朋勇;基于全矢高阶谱的故障诊断方法及其应用研究[D];郑州大学;2010年
【同被引文献】
中国期刊全文数据库 前10条
1 周皓;李少洪;;支持向量机与证据理论在信息融合中的结合[J];传感技术学报;2008年09期
2 李玉良;王成申;周红斌;魏小健;;郑州市大学生亚健康现状及相关因素分析[J];南方医科大学学报;2006年01期
3 张爱华;张妍;王琦;;基于脉搏信号的心电特征研究[J];电子测量技术;2009年08期
4 孙全,叶秀清,顾伟康;一种新的基于证据理论的合成公式[J];电子学报;2000年08期
5 赵瑞芹,宋振峰;亚健康问题的研究进展[J];国外医学(社会医学分册);2002年01期
6 温海辉;朱伟雄;陈思东;黄飞雁;汪保国;;某市部分外来女工亚健康状态及其危险因素的研究[J];工业卫生与职业病;2008年02期
7 潘海林;;城市在校大学生疲劳性亚健康状况调查[J];湖北广播电视大学学报;2010年10期
8 邓勇,施文康,朱振福;一种有效处理冲突证据的组合方法[J];红外与毫米波学报;2004年01期
9 ;CLASSIFIER FUSION BASED ON EVIDENCE THEORY AND ITS APPLICATION IN FACE RECOGNITION[J];Journal of Electronics(China);2009年06期
10 潘巍,王阳生,杨宏戟;D-S证据理论决策规则分析[J];计算机工程与应用;2004年14期
中国博士学位论文全文数据库 前3条
1 唐发明;基于统计学习理论的支持向量机算法研究[D];华中科技大学;2005年
2 李海生;支持向量机回归算法与应用研究[D];华南理工大学;2005年
3 韩清鹏;脉搏信号的非线性分析及其不同情绪和环境的影响研究[D];浙江大学;2007年
中国硕士学位论文全文数据库 前8条
1 杜熊禹;用于数据挖掘的支持向量机算法研究[D];电子科技大学;2007年
2 吴换妮;基于支持向量机的多类模式识别模型[D];重庆大学;2007年
3 王瑞卿;脉诊客观化信息处理方法的研究[D];山东大学;2008年
4 刘涛;基于遗传算法与支持向量机融合的特征基因抽取方法研究[D];哈尔滨工业大学;2007年
5 罗建容;多类统计模式识别模型及应用研究[D];重庆大学;2009年
6 师培峰;基于信息融合的车牌识别算法研究[D];中南大学;2009年
7 宗慧;心电信号处理及心率变异性分析研究[D];山东大学;2009年
8 林海祥;基于统计学习的无参考人脸图像质量评价[D];南昌大学;2010年
【二级引证文献】
中国期刊全文数据库 前1条
1 郑盼丽;戴牡红;谭一云;叶柏龙;;自动生成数据挖掘算法的研究与应用[J];计算机科学;2012年S3期
中国硕士学位论文全文数据库 前2条
1 王利;信号处理方法在疲劳驾驶和亚健康研究中的应用[D];陕西师范大学;2012年
2 郭娟;基于语义的视频检索技术研究[D];重庆大学;2012年
【二级参考文献】
中国期刊全文数据库 前10条
1 耿立恩,潘旭峰,李晓雷,祝嘉光;Dempster-Shafer证据推理在数据融合中的应用[J];北京理工大学学报;1997年02期
2 黄安雅,陈兆能,朱继梅;基于神经网络和 D-S 证据理论的综合诊断模型[J];传动技术;1998年03期
3 孙勇,景博,张吉力;最优加权与递推最小二乘法相结合的多传感器信息融合[J];传感技术学报;2004年04期
4 王婷杰,施惠昌;一种基于模糊理论的一致性数据融合方法[J];传感器技术;1999年06期
5 涂国平,叶素萍;一种传感器数据的融合算法[J];传感器技术;2003年03期
6 张彦铎,姜兴渭;多传感器信息融合及在智能故障诊断中的应用[J];传感器技术;1999年03期
7 华斌,周建中;水电机组故障诊断中的数据融合算法[J];水电自动化与大坝监测;2004年01期
8 孟宪尧,白广来,伞宝钢,韩新洁;贝叶斯数据融合技术在机舱故障智能诊断中的应用[J];大连海事大学学报;2002年03期
9 高洪涛,王敏;证据理论在旋转机械综合故障诊断中应用[J];大连理工大学学报;2001年04期
10 吕干云,程浩忠,董立新,翟海保;基于多级支持向量机分类器的电力变压器故障识别[J];电力系统及其自动化学报;2005年01期
中国博士学位论文全文数据库 前1条
1 管天云;多传感器信息融合研究[D];浙江大学;1998年
中国硕士学位论文全文数据库 前2条
1 彭备战;信息融合技术在设备故障诊断中的应用研究[D];广东工业大学;2002年
2 李冲祥;神经网络和证据理论集成的数据融合故障诊断方法研究[D];燕山大学;2003年
【相似文献】
中国期刊全文数据库 前10条
1 刘智平;单刚;王凤群;徐纪锋;;基于支持向量机的交通信息融合算法研究[J];中国高新技术企业;2007年10期
2 廖德勇;姜长生;;基于多特征信息的支持向量机数据关联算法[J];弹箭与制导学报;2006年S4期
3 杨斌,聂在平;一种支持向量回归中超参数自适应方法[J];广西师范大学学报(自然科学版);2003年01期
4 马骏;张健沛;杨静;程丽丽;;基于SVM的多Agent信息融合算法[J];计算机科学;2008年03期
5 邵靖宇;胡雅馨;;基于改进卡尔曼滤波与支持向量机的信息融合技术[J];微计算机信息;2010年25期
6 刘松;;基于SVM信息融合的图像识别与并行实现[J];计算机工程与应用;2009年33期
7 孔志周;蔡自兴;;多分类器融合框架下的模糊积分方法[J];统计与决策;2007年10期
8 简小刚;贾鸿盛;石来德;;多传感器信息融合技术的研究进展[J];中国工程机械学报;2009年02期
9 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
10 张铃;支持向量机理论与基于规划的神经网络学习算法[J];计算机学报;2001年02期
中国重要会议论文全文数据库 前10条
1 林杰华;张斌;李冬森;宋华茂;余志强;王浩;;支持向量机在电力客户信用评级中的应用[A];全国第21届计算机技术与应用学术会议(CACIS·2010)暨全国第2届安全关键技术与应用学术会议论文集[C];2010年
2 蒋铁军;张怀强;李积源;;多变量系统预测的支持向量机方法研究[A];管理科学与系统科学研究新进展——第7届全国青年管理科学与系统科学学术会议论文集[C];2003年
3 黄淑云;孙兴玉;梁汝萍;邱建丁;;基于小波支持向量机预测蛋白质亚细胞定位研究[A];第十一届全国计算(机)化学学术会议论文摘要集[C];2011年
4 谢湘;匡镜明;;支持向量机在语音识别中的应用研究[A];现代通信理论与信号处理进展——2003年通信理论与信号处理年会论文集[C];2003年
5 涂冬成;薛龙;刘木华;赵进辉;沈杰;吁芳;;基于支持向量机的鹅肉肉色客观评定研究[A];中国农业工程学会电气信息与自动化专业委员会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会论文摘要[C];2010年
6 杨凌;刘玉树;;基于支持向量机的坦克识别算法[A];第三届全国数字成像技术及相关材料发展与应用学术研讨会论文摘要集[C];2004年
7 师旭超;巴松涛;;基于支持向量机方法的深基坑变形预测[A];科技、工程与经济社会协调发展——河南省第四届青年学术年会论文集(上册)[C];2004年
8 张军;;支持向量机方法在地下水位干扰排除中的初步应用[A];2007年地震流体学术研讨会论文摘要集[C];2007年
9 许建生;盛立东;;基于改进的支持向量机和BP神经网络的识别算法[A];第八届全国汉字识别学术会议论文集[C];2002年
10 荣海娜;张葛祥;张翠芳;;基于支持向量机的非线性系统辨识方法[A];中国自动化学会、中国仪器仪表学会2004年西南三省一市自动化与仪器仪表学术年会论文集[C];2004年
中国重要报纸全文数据库 前10条
1 杨波;信息融合推进导航应用[N];中国计算机报;2007年
2 朱光泉 齐新林 君胜;实现“三个转变”[N];解放军报;2003年
3 课题主持人 李心丹 课题协调人 上海证券交易所 施东晖 傅浩 课题研究员 宋素荣 查晓磊 宾红辉 张许宏 郭静静 黄隽 南京大学工程管理学院;内幕交易与市场操纵的行为动机与判别监管研究[N];中国证券报;2007年
4 李占良;点击军事智能服务新技术[N];解放军报;2004年
5 李水根;计算机详解配伍与药效关系[N];健康报;2005年
6 徐燕;中国地大(武汉)找油新理论收获颇丰[N];地质勘查导报;2007年
7 记者 韩晓玲、通讯员 徐燕;地大对西部油气勘探获理论突破[N];湖北日报;2006年
8 清华大学 苏光大;非接触式人脸识别技术[N];计算机世界;2006年
9 赵晓展;茶叶无损检测有新思路[N];工人日报;2008年
10 丁丽波 狄常志;通辽供电公司自主研发项目提高供电可靠性[N];东北电力报;2008年
中国博士学位论文全文数据库 前10条
1 杜小芳;基于CPFR的农产品采购模型研究[D];华中科技大学;2005年
2 刘育明;动态过程数据的多变量统计监控方法研究[D];浙江大学;2006年
3 栾锋;支持向量机(SVM)和径向基神经网络(RBFNN)方法在化学、环境化学和药物化学中的应用研究[D];兰州大学;2006年
4 孙薇;市场条件下抽水蓄能电站效益综合评价及运营模式研究[D];华北电力大学(河北);2007年
5 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
6 朱燕飞;锌钡白回转窑煅烧过程智能建模研究[D];华南理工大学;2005年
7 田英杰;支持向量回归机及其应用研究[D];中国农业大学;2005年
8 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
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 杨金芳;支持向量回归在预测控制中的应用研究[D];华北电力大学(河北);2007年
中国硕士学位论文全文数据库 前10条
1 李哲;支持向量机融合方法的研究[D];武汉理工大学;2009年
2 刘艳伟;支持向量机方法在感潮河段洪峰水位预报中的应用[D];浙江大学;2010年
3 杨镭;支持向量机算法设计及在高分辨雷达目标识别中的应用[D];国防科学技术大学;2010年
4 童振;基于支持向量机的电解液成分预测[D];东北大学;2008年
5 聂小芳;模糊粗糙集与支持向量机在煤与瓦斯突出预测中的应用研究[D];辽宁工程技术大学;2009年
6 鄢常亮;基于支持向量机的高炉向凉向热炉况预测研究[D];内蒙古科技大学;2010年
7 韩叙东;基于支持向量机的水电故障分类器的设计与实现[D];东北大学;2008年
8 冯杰;慢时变对象的支持向量机建模与在线校正方法研究[D];东北大学;2009年
9 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
10 王奇安;基于广泛内核的CVM算法研究及参数C的选择[D];南京航空航天大学;2009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