收藏本站
《长沙理工大学》 2016年
收藏 | 手机打开
二维码
手机客户端打开本文

支持向量机增量学习算法的研究与应用

刘向  
【摘要】:支持向量机(Support Vector Machine,SVM)是一种在统计学习理论的基础上求解最优分类超平面的机器学习方法,在解决小样本、非线性、高维的数据问题中表现出了优势。然而,经典的支持向量机训练算法是不支持增量式学习的,因此对支持向量机增量学习的研究具有重要的意义。为改进经典的支持向量机增量学习算法在训练时间与精度方面的性能,论文将学习过程分为初始训练阶段与增量学习阶段两个步骤完成,重点研究基于改进初始训练样本集选取和增量学习中非支持向量集选取的支持向量机方法。从支持向量机分类原理可知,训练初始阶段得到的支持向量集都包含在对应的边界向量集当中,论文改进k近邻法用于选取边界向量集作为初始训练集,方法为:所选择的初始求距离点不是从各类别的样本中随机选取,而是通过一种以各类样本中心的中心点为圆心,距离的一半为半径作圆来求得各类别对应的边界向量。这种方法相比于k近邻法来说减少了初始的训练时间。在增量学习阶段:目前常采用(Karush-Kuhn-TucKer,KKT)条件选取有效的非支持向量集,在训练样本集很大时难以达到要求。该文采用了中心密度的方法来选取有效非支持向量集,效果良好,克服了每当增量样本集逐渐增加时KKT条件将变得更加复杂的困难。结合初始训练阶段与增量学习阶段所提出的改进方法,形成基于边界向量的支持向量机增量学习算法。通过实验比较了三种支持向量机增量学习算法的训练时间与分类精度,验证了改进算法在时间与精度方面的优势。最后,在Breast-Tissue数据集上用改进的增量学习算法与经典的增量学习算法进行一次增量学习后得到的增量模型进行识别预测。仿真实验结果表明,改进的方法与经典的方法相比,预测识别率得到了相应的提高。
【学位授予单位】:长沙理工大学
【学位级别】:硕士
【学位授予年份】:2016
【分类号】:TP181

【参考文献】
中国期刊全文数据库 前10条
1 李昌兴;刘畅;常甜甜;;基于电阻抗频谱的乳腺组织分类[J];西安邮电大学学报;2015年06期
2 徐久成;刘洋洋;杜丽娜;孙林;;基于三支决策的支持向量机增量学习方法[J];计算机科学;2015年06期
3 郭庚山;叶青;胡鑫;;一种改进的雾天图像复原算法[J];计算机与现代化;2015年04期
4 陈沅涛;徐蔚鸿;吴佳英;胡蓉;;基于增量学习向量SVM方法的图像分割应用[J];南京理工大学学报;2014年01期
5 王宏武;孙保民;张振星;信晶;康志忠;;基于模糊C均值聚类和支持向量机算法的燃煤锅炉结渣特性预测[J];动力工程学报;2014年02期
6 夏杰;徐继伟;荆瑞俊;;支持向量机增量学习在污染预测中的研究[J];西北工业大学学报;2014年01期
7 罗显科;柴毅;李华锋;梁奕欢;;半监督增量式SVM在故障诊断中的应用研究[J];世界科技研究与发展;2013年04期
8 王萌;孙树栋;;基于相异度核空间的支持向量机算法[J];系统工程理论与实践;2013年06期
9 李庆;胡捍英;;支持向量预选取的K边界近邻法[J];电路与系统学报;2013年02期
10 毛文涛;冯云芝;闫桂荣;;一种可自适应分组的多输入多输出支持向量机算法[J];西安交通大学学报;2013年06期
中国重要会议论文全文数据库 前1条
1 秦亮;唐静;史贤俊;肖支才;;一种改进的支持向量机增量学习算法[A];2011年中国智能自动化学术会议论文集(第一分册)[C];2011年
中国博士学位论文全文数据库 前2条
1 赵强利;基于选择性集成的在线机器学习关键技术研究[D];国防科学技术大学;2010年
2 常甜甜;支持向量机学习算法若干问题的研究[D];西安电子科技大学;2010年
中国硕士学位论文全文数据库 前8条
1 潘世超;增量支持向量机学习算法研究[D];山西大学;2015年
2 刘健;基于支持向量机的在线学习算法研究[D];浙江大学;2013年
3 江源远;基于计算机视觉的车辆前方行人检测算法研究[D];武汉理工大学;2013年
4 严萌;手写体汉字识别的研究与应用系统设计[D];华中科技大学;2012年
5 徐新功;支持向量机增量学习算法研究[D];西安电子科技大学;2012年
6 周艳;基于聚类和支持向量机的入侵异常检测方法研究[D];吉林大学;2011年
7 刘康炜;基于支持向量机的网页分类技术研究[D];中国石油大学;2009年
8 展文宁;基于增量学习的支持向量机分类算法研究及应用[D];昆明理工大学;2008年
【共引文献】
中国期刊全文数据库 前9条
1 安连锁;冯强;沈国清;姜根山;张世平;王鹏;;基于多时延识别的电站锅炉多源泄漏被动定位方法[J];动力工程学报;2015年10期
2 高雷阜;佟盼;;一类基于Askey-Wilson多项式的新核函数[J];小型微型计算机系统;2015年09期
3 焦卫东;林树森;;整体改进的基于支持向量机的故障诊断方法[J];仪器仪表学报;2015年08期
4 Yumin LIU;Haofei ZHOU;;MSVM Recognition Model for Dynamic Process Abnormal Pattern Based on Multi-Kernel Functions[J];Journal of Systems Science and Information;2014年05期
5 王萌;孙树栋;杨宏安;袁宗寅;;基于流形学习降维的决策分析算法[J];系统工程理论与实践;2014年09期
6 马力;李冬;薛庆增;王辉;谭巍;;基于量子粒子群和流形学习的分类方法及其在发动机故障诊断中的应用[J];推进技术;2014年10期
7 廖传柱;张旦;江铭炎;;基于ABC-PCNN模型的图像分割[J];南京理工大学学报;2014年04期
8 刘玉敏;张帅;;基于主元分析的SVM动态过程质量异常模式识别[J];制造业自动化;2014年15期
9 毛文涛;王海成;刘尚旺;;可自适应分组的超球多任务学习算法[J];计算机应用;2014年07期
中国博士学位论文全文数据库 前10条
1 史艳楠;煤矿井下漏缆网络信道建模与故障诊断方法研究[D];中国矿业大学(北京);2018年
2 夏会;基于用户行为模式特征的时间序列异常检测[D];重庆大学;2017年
3 李永健;高速列车轴箱轴承智能故障诊断技术研究[D];西南交通大学;2017年
4 张宏伟;基于遥感影像与点云数据的建筑物三维重建技术研究[D];解放军信息工程大学;2017年
5 刘思慧;凝灰质储层测井评价方法研究[D];吉林大学;2016年
6 张尔卿;机械密封端面状态监测及寿命预测关键技术研究[D];西南交通大学;2015年
7 聂立新;基于优化支持向量机模型的发动机故障诊断[D];东北大学;2015年
8 张路平;复杂地面背景下目标鲁棒跟踪技术研究[D];国防科学技术大学;2015年
9 白冰;大跨度钢斜拉桥施工及运营过程系统可靠度研究[D];西南交通大学;2015年
10 汤莉;支持向量机算法PAC-Bayes边界理论与实验研究[D];天津大学;2014年
中国硕士学位论文全文数据库 前10条
1 李鲁英;基于鲁棒性的支持向量机增量学习的研究[D];武汉纺织大学;2018年
2 邓健峰;基于FPGA+ARM的车载行人检测系统设计与实现[D];广东工业大学;2018年
3 张洒;基于介电特性的人体组织良恶性计算机辅助鉴别研究[D];南方医科大学;2018年
4 胡勇;基于图像处理的试纸识别技术研究[D];厦门理工学院;2018年
5 张龙龙;增量学习在智慧水务需水量预测中的研究[D];重庆大学;2018年
6 石琦峰;基于行为的未知威胁检测技术研究与应用[D];电子科技大学;2018年
7 丁艳华;基于雷达高分辨距离像目标识别的在线贝叶斯模型研究[D];西安电子科技大学;2017年
8 刘孟楠;修正的LARS及其在稀疏SVM中的应用[D];西安电子科技大学;2017年
9 朱熙文;大数据下的在线机器学习算法研究与应用[D];西南交通大学;2017年
10 刘倩;基于光谱成像技术的小麦种子品质分析研究[D];北京工商大学;2017年
【二级参考文献】
中国期刊全文数据库 前10条
1 刘海波;汤群芳;杨杰;;改进直方图均衡和Retinex算法在灰度图像增强中的应用[J];量子电子学报;2014年05期
2 孙小明;孙俊喜;赵立荣;曹永刚;;暗原色先验单幅图像去雾改进算法[J];中国图象图形学报;2014年03期
3 李阳;文敦伟;王珂;刘乐;;多核学习矩阵化最小二乘支持向量机算法及肺结节识别[J];吉林大学学报(工学版);2014年02期
4 南栋;毕笃彦;许悦雷;王世强;娄小龙;;基于暗原色先验的图像去雾算法[J];中南大学学报(自然科学版);2013年10期
5 刘盾;李天瑞;李华雄;;粗糙集理论:基于三支决策视角[J];南京大学学报(自然科学版);2013年05期
6 李昕;李红红;李丛;李长吾;;一种电阻抗频谱法自动诊断乳腺组织疾病优化算法研究[J];中国生物医学工程学报;2013年02期
7 常甜甜;魏雯婷;丛伟杰;;电阻抗成像的稀疏重建算法[J];西安邮电大学学报;2013年02期
8 Debnath Bhattacharyya;Samir Kumar Bandyopadhyay;Tai-hoon Kim;;Diagnosis of breast cancer by tissue analysis[J];Chinese Journal of Cancer Research;2013年01期
9 顾彬;郑关胜;王建东;;增量和减量式标准支持向量机的分析[J];软件学报;2013年07期
10 干宗良;邱一雯;朱秀昌;;基于图像先验和结构特征的盲图像复原算法[J];中国电子科学研究院学报;2012年03期
中国博士学位论文全文数据库 前2条
1 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
2 李晓东;城市污水处理厂数据挖掘及相关技术研究[D];湖南大学;2007年
中国硕士学位论文全文数据库 前10条
1 陈艺坤;基于粗糙集和增量SVM的入侵检测方法研究[D];西安科技大学;2012年
2 杨韶瑞;车载辅助系统行人检测技术研究[D];西安工业大学;2012年
3 梁志刚;智能辅助驾驶系统中的行人检测[D];上海交通大学;2012年
4 周生辉;基于区域约束HOG-LBP特征的人体检测算法研究[D];武汉理工大学;2012年
5 严军;空间手写识别特征提取研究[D];浙江大学;2012年
6 徐新功;支持向量机增量学习算法研究[D];西安电子科技大学;2012年
7 李金凤;支持向量机增量学习算法研究[D];中南民族大学;2011年
8 刘军;静态图像中的行人检测[D];华南理工大学;2010年
9 樊龙夫;智能交通行人检测系统的分类技术研究[D];中国科学技术大学;2010年
10 孔俊其;基于三维加速度传感器的手势识别及交互模型研究[D];苏州大学;2009年
【相似文献】
中国期刊全文数据库 前10条
1 卢家海;;基于在线增量学习支持向量机的径流预测[J];水利科技与经济;2017年07期
2 秦玉平;王秀坤;王春立;;实现兼类样本类增量学习的一种算法[J];控制与决策;2009年01期
3 秦玉平;李祥纳;王秀坤;王春立;;支持向量机加权类增量学习算法研究[J];计算机工程与应用;2007年34期
4 秦玉平;李祥纳;王秀坤;王春立;;基于超球支持向量机的类增量学习算法研究[J];计算机科学;2008年08期
5 曾文华,马健;支持向量机增量学习的算法与应用[J];计算机集成制造系统-CIMS;2003年S1期
6 刘新旺;殷建平;张国敏;罗棻;詹宇斌;;基于最小二乘支持向量机的特征增量学习算法[J];计算机工程与科学;2008年12期
7 朱婷;滕桂法;陆浩;张长利;曾大军;;基于在线增量学习的自适应聚焦爬虫研究[J];计算机应用与软件;2009年05期
8 郭雪松;孙林岩;徐晟;;基于超球结构的支持向量机增量学习算法[J];运筹与管理;2007年04期
9 忽丽莎;王素贞;陈益强;胡春雨;蒋鑫龙;陈振宇;高兴宇;;基于目标均衡度量的核增量学习跌倒检测方法[J];计算机应用;2018年04期
10 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
中国重要会议论文全文数据库 前10条
1 张健沛;李忠伟;杨静;;一种基于多支持向量机的并行增量学习方法(英文)[A];第二十二届中国数据库学术会议论文集(技术报告篇)[C];2005年
2 张庆彬;吴惕华;刘波;;一种改进的基于群体的增量学习算法[A];第二十六届中国控制会议论文集[C];2007年
3 秦亮;唐静;史贤俊;肖支才;;一种改进的支持向量机增量学习算法[A];2011年中国智能自动化学术会议论文集(第一分册)[C];2011年
4 王晓红;;一种改进多类支持向量机加权后验概率重构策略[A];2009中国控制与决策会议论文集(3)[C];2009年
5 余乐安;姚潇;;基于中心化支持向量机的信用风险评估模型[A];第六届(2011)中国管理学年会——商务智能分会场论文集[C];2011年
6 何琴淑;刘信恩;肖世富;;基于支持向量机的系统辨识方法研究及应用[A];中国力学大会——2013论文摘要集[C];2013年
7 郭一楠;程健;肖大伟;杨梅;;分布式多分类支持向量机[A];2011年中国智能自动化学术会议论文集(第一分册)[C];2011年
8 汪荣贵;孙见青;胡琼;李守毅;;一种新的支持向量机决策树及其应用[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年
9 伍敏;苏鹏宇;刘金福;于达仁;;基于RVM和SVM的风速预测研究[A];2012电站自动化信息化学术和技术交流会议论文集[C];2012年
10 曾江辉;耿金凤;汪邦军;郝建春;;面向时间序列质量波动预测的支持向量机回归模型研究[A];使命与责任—以质量方法促转型升级——第五届中国质量学术与创新论坛论文集(上)[C];2012年
中国博士学位论文全文数据库 前10条
1 及歆荣;面向无线传感器网络的核学习机分布式训练方法研究[D];北京工业大学;2017年
2 黄静华;支持向量机算法研究及在气象数据挖掘中的应用[D];中国矿业大学(北京);2011年
3 王洪波;单分类支持向量机的学习方法研究[D];浙江大学;2012年
4 秦玉平;基于支持向量机的文本分类算法研究[D];大连理工大学;2008年
5 陈桂军;基于支持向量机的异常检测关键问题研究及应用[D];太原理工大学;2016年
6 胡蓉;增量机器学习算法研究[D];南京理工大学;2013年
7 段华;支持向量机的增量学习算法研究[D];上海交通大学;2008年
8 胡雷;面向飞行器健康管理的新异类检测方法研究[D];国防科学技术大学;2010年
9 叶圣永;基于机器学习的电力系统暂态稳定评估研究[D];西南交通大学;2010年
10 王开义;基于支持向量机的农产品生产关键控制点发现研究[D];北京工业大学;2011年
中国硕士学位论文全文数据库 前10条
1 刘向;支持向量机增量学习算法的研究与应用[D];长沙理工大学;2016年
2 王会波;基于支持向量机的混合增量学习算法与应用[D];华中师范大学;2016年
3 林宣民;基于局部敏感哈希和支持向量机的半监督增量学习研究[D];浙江工业大学;2017年
4 吴慧;新的支持向量机增量学习算法[D];西安电子科技大学;2009年
5 姚丹;双LSSVM的增量学习和稀疏算法研究[D];西安电子科技大学;2018年
6 梁怀新;基于增量学习和特征选择融合的可视化模式识别方法[D];燕山大学;2018年
7 雷俊;面向WSN的相关向量核学习机增量学习方法研究[D];北京工业大学;2018年
8 景玉海;相关向量机增量学习算法研究及其应用[D];武汉理工大学;2016年
9 李挺;基于增量学习的工业控制系统入侵检测研究[D];南华大学;2018年
10 高嵩;支持向量机增量学习算法研究[D];辽宁科技大学;2018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