收藏本站
《重庆大学》 2009年
收藏 | 手机打开
二维码
手机客户端打开本文

支持向量分类机的核函数研究

李红英  
【摘要】: 支持向量机是二十世纪九十年代发展起来的统计学习理论的核心内容,它是借助于最优化方法解决机器学习问题的新工具,集成了最优超平面、Mercer核函数、凸二次规划、稀疏解和松弛变量等多项技术,具有全局最优、结构简单、推广能力强等优点,在模式分类、回归分析和概率密度估计等若干方面获得非常好的应用效果。核函数是支持向量机的重要组成部分,它巧妙地解决了高维空间的问题,通过使用不同的核函数,可实现不同的支持向量机算法。经验表明在众多核函数中,高斯核函数由于其特殊的性质和广泛的应用得到广大研究者的重视。由于核函数的好坏直接影响着支持向量机的性能,因此有关核函数的研究就成为大家关注的焦点,成为支持向量机研究中需要解决的核心问题之一。 论文针对支持向量机核函数的参数选择和核函数的修正问题进行了研究,主要内容为: 首先,对支持向量机分类模型的核参数进行分析,考察目前常用的几种核参数优化方法,包括交叉验证法、网格搜索算法、遗传算法和粒子群算法,总结了它们的优缺点。基于粒子群算法收敛速度快而遗传算法不易陷入局部最优的优点,提出一种新的核参数优化方法,该方法是两种算法交替进行,应用迭代控制器进行控制,每隔数代进行最优粒子交互,从而克服了粒子群算法陷入局部最优而导致的收敛精确度低或不收敛的问题,支持向量机分类精度也提高了。 其次,为了更好地适应实际情况,利用实验数据从黎曼几何角度来增大支持向量机的分类精度。针对之前的修正核函数受到支持向量数目和分布的影响这一缺陷,基于黎曼几何信息和Amair的几何修改方法提出一种新的修正核函数。该方法利用原始核函数训练SVM得到的分类边界与样本值所在平面的距离来代替样本点到支持向量的距离,通过改变拟共形变换来修正高斯核,旨在放大高斯核函数的体积元,从而提高SVM分类的效果。新的修正核函数,克服了以前修正核函数受支持向量数目的影响,并在很大程度上提高了SVM的泛化能力。 最后,将论文的方法用于UCI数据库中Mushroom的分类中,实验说明用基于遗传算法-粒子群算法的核参数选择方法较遗传算法和粒子群算法取得了更好的分类准确率,具有良好的推广能力。新的修正核函数用于上述优化参数后的高斯核函数,再重复训练SVM,实验数据表明较原来的核函数有更好的分类性能。
【学位授予单位】:重庆大学
【学位级别】:硕士
【学位授予年份】:2009
【分类号】:TP18

【相似文献】
中国期刊全文数据库 前10条
1 杨紫微;王儒敬;檀敬东;应磊;苏雅茹;;基于几何判据的SVM参数快速选择方法[J];计算机工程;2010年17期
2 刘东辉;卞建鹏;付平;刘智青;;支持向量机最优参数选择的研究[J];河北科技大学学报;2009年01期
3 李军显;沈丽民;杨硕;;一种基于SVM的雷达目标识别算法[J];通信技术;2009年01期
4 赵乃杰;李辉;金宝龙;;基于改进高斯核函数的雷达高分辨距离像目标识别算法研究[J];现代电子技术;2010年15期
5 刘素京;杨琳;王从庆;;基于核主成分分析和支持向量机的飞机舱音信号识别[J];东南大学学报(自然科学版);2008年S2期
6 孔晓斌;曹棣;张素兰;;一种基于高斯分布的SVM核参数选择方法[J];中北大学学报(自然科学版);2008年04期
7 杨丕华;费秀海;;支持向量机在ECG心搏分类中的应用[J];临沧师范高等专科学校学报;2010年02期
8 韩磊;程礼;;基于支持向量机的分类器设计[J];长沙航空职业技术学院学报;2006年02期
9 张雪芹;顾春华;林家骏;;基于支持向量机的Windows主机入侵检测系统[J];华东理工大学学报(自然科学版);2006年03期
10 夏红霞;丁子春;李哲;郭翠翠;宋华珠;;一种新的自适应组合核函数[J];武汉理工大学学报;2009年03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 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
2 李水根;计算机详解配伍与药效关系[N];健康报;2005年
3 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
4 YMG记者 李仁 通讯员 曲华明 孙运智;我市九项目进入省“盘子”[N];烟台日报;2010年
5 上海大学理学院教授、副院长 陆文聪;酷爱化学 孜孜以求[N];中国化工报;2006年
6 ;选择合适的数据挖掘算法[N];计算机世界;2007年
7 周颖;王米渠与中医心理学[N];中国中医药报;2006年
8 记者 耿挺;蛋白质功能算出来[N];上海科技报;2007年
9 记者 张云普通讯员 全攀峰 安强强;大庆物探深度域地震资料岩性解释技术获得五大突破[N];中国石油报;2008年
10 本报记者 冯治恩;敢与“雷公”试比高[N];铜川日报;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 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
2 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
3 童振;基于支持向量机的电解液成分预测[D];东北大学;2008年
4 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
5 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
6 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
7 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
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 胡祖辉;基于增量划分指导数据集的两层自动选择SVM模型[D];华中科技大学;2007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