收藏本站
《电子科技大学》 2007年
收藏 | 手机打开
二维码
手机客户端打开本文

支持向量机学习算法的若干问题研究

王磊  
【摘要】: 支持向量机是建立在统计学习理论的VC维理论和结构风险最小化原则基础上的新型机器学习方法。它根据有限样本信息在模型的复杂度和期望风险之间寻求最佳折衷,能够获得更好的泛化性能。与传统的神经网络等学习方法相比,支持向量机具有泛化能力强、维数不敏感、收敛到全局最优等优点,很好地解决了前者容易出现的过学习、局部极值、维数灾难等棘手问题,因而成为近几年机器学习领域中的一个非常活跃的研究热点。 然而,支持向量机是机器学习领域中相对比较新的理论,它在很多方面尚不成熟、不完善,需要进一步地研究和改进。其中,关于它的学习算法的研究是该理论的重点和难点内容之一。本文主要从提升泛化性能、提高学习速度、探索新型学习算法、增强学习过程的健壮性以及半监督学习等几个角度,对支持向量机的学习算法进行了比较系统的研究。 论文的主要研究工作包括以下5个方面: 1.特殊设计的集成学习算法能够提高支持向量机的泛化性能。在分析不同的样本扰动方式对于增大成员分类器之间差异性的作用之后,本文提出了两种基于二重扰动机制的集成学习算法,它们的共同特点是:均采取同时对输入特征空间和模型参数进行扰动的方式来产生成员分类器,并利用多数投票方法对它们进行组合。数值实验结果表明,两种算法均能够显著提升支持向量机的泛化性能。 2.支持向量机的学习过程需要求解一个凸二次规划问题,在大样本情况下,需要的计算开销和存储开销都非常大。通过将开销分解到并行系统的多个计算节点上并行地进行处理或者通过设计并行学习算法是解决该问题的有效途径之一。本文提出了“多重三叉级联(MTC)”并行学习结构,具有反馈速度快、节点利用率高、反馈的支持向量数目多等优点;并且,基于该学习结构设计了支持向量机的并行学习算法,获得了非常高的加速比和并行效率,显著提高了学习速度。 3.支持向量机的大多数学习算法都是针对其对偶优化问题进行求解,但直接针对其原始优化问题进行求解也是非常可行的。本文利用Huber函数消除原始优化目标函数中的ι_1范数后,推导得到其无约束、连续、二次可微且严格凸的γ-近似优化问题,然后采用Newton下降法进行求解,并对解的更新规则进行了推导和简化。在此基础上,提出一种能够直接在原始空间中求解支持向量机的近似最优解的快速学习算法,并对算法的收敛性、复杂度以及解的性质进行了分析。 4.支持向量机采用的Hinge损失函数对噪声样本引起的罚损失没有任何限制,这是它对噪声样本敏感的根本原因。本文提出一种基于光滑Ramp损失函数的健壮支持向量机方法,能够有效抑制噪声样本对泛化性能的影响。鉴于新方法的优化问题是非凸的,首先采用CCCP过程将其变换成一系列的无约束、二次可微且严格凸的优化问题,然后采用Newton下降法在原始空间中进行求解,并对解的更新规则进行了推导和化简。在此基础上,给出了健壮支持向量机的学习算法。 5.半监督支持向量机能够同时利用“标记”和“未标记”样本进行学习,但是,求解它的最优解是一个NP难问题。渐近式学习算法通过逐步地对少量样本进行标记,能够快速获得半监督支持向量机的近似解,但它也存在两个明显缺陷,严重影响了泛化性能。针对这些缺陷,本文提出一种模糊渐近式学习算法,它通过自适应地为样本设置模糊隶属度,消除了渐近过程对“不一致”样本优化的阻碍;并且采用新的算法停止条件,使得“未标记”样本中的分类信息尽量被充分利用;同时,还采用了混合训练集缩减策略,有利于提高算法的学习速度。数值实验结果表明,新算法是半监督支持向量机的一种高精度的、快速学习算法。
【学位授予单位】:电子科技大学
【学位级别】:博士
【学位授予年份】:2007
【分类号】:TP181

【引证文献】
中国期刊全文数据库 前4条
1 李晨;王巍;;基于先验知识的支持向量机在图像分割中的应用研究[J];电子设计工程;2012年12期
2 都平平;;基于支持向量机的综合地质环境评价研究[J];采矿与安全工程学报;2012年04期
3 彭新俊;王翼飞;;双模糊渐进直推式支持向量机算法[J];模式识别与人工智能;2009年04期
4 刘永芬;陈志安;;新的模糊核聚类入侵检测方法[J];计算机工程与应用;2012年32期
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 彭新俊;支持向量机若干问题及应用研究[D];上海大学;2008年
3 刘万里;支持向量机中若干问题及应用研究[D];西安电子科技大学;2008年
4 熊英;中文自然语言理解中基于条件随机场理论的词法分析研究[D];上海交通大学;2009年
5 梁锦锦;支持向量机和支持向量域描述的若干问题研究[D];西安电子科技大学;2009年
6 程丽丽;支持向量机集成学习算法研究[D];哈尔滨工程大学;2009年
7 刘叶青;原始空间中支持向量机若干问题的研究[D];西安电子科技大学;2009年
8 孙洁娣;基于多地震动传感器的管道安全监测预警关键技术的研究[D];天津大学;2009年
9 李凤玲;灌浆压力控制系统的关键技术研究[D];中南大学;2009年
10 于晓明;支持向量机及其在制浆过程重要参数软测量中的应用研究[D];陕西科技大学;2012年
中国硕士学位论文全文数据库 前10条
1 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
2 李婷;基于纠错输出编码与支持向量机的语音识别[D];太原理工大学;2011年
3 刘明丹;基于支持向量机的滑模控制方法研究[D];太原科技大学;2011年
4 欧艳鹏;基于DCT和支持向量机的人脸识别技术研究[D];长春理工大学;2011年
5 曹灿;支持向量机预测在我国城镇失业率研究中的实证分析[D];西南交通大学;2011年
6 周丽丽;学习表达式的映射机制研究[D];苏州大学;2011年
7 黄瑛;湿法冶金浸出过程建模与优化[D];东北大学;2009年
8 马波;支持向量机多类分类算法的分析与设计[D];扬州大学;2008年
9 庄玮;基于数据挖掘的信用卡欺诈行为识别模型的研究[D];南京航空航天大学;2008年
10 杨镇宇;城区复杂背景条件下的目标识别算法研究[D];重庆大学;2009年
【参考文献】
中国期刊全文数据库 前7条
1 董春曦,杨绍全,饶鲜,汤建龙;支持向量机推广能力估计方法比较[J];电路与系统学报;2004年04期
2 焦李成,张莉,周伟达;支撑矢量预选取的中心距离比值法[J];电子学报;2001年03期
3 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
4 李青,焦李成,周伟达;基于向量投影的支撑向量预选取[J];计算机学报;2005年02期
5 李昆仑,黄厚宽,田盛丰,刘振鹏,刘志强;模糊多类支持向量机及其在入侵检测中的应用[J];计算机学报;2005年02期
6 张翔;肖小玲;徐光祐;;基于样本之间紧密度的模糊支持向量机方法[J];软件学报;2006年05期
7 吴峰崎;孟光;;基于支持向量机的转子振动信号故障分类研究[J];振动工程学报;2006年02期
【共引文献】
中国期刊全文数据库 前10条
1 蔡坤琪;;基于相关鉴别分析和随机森林的人脸识别方法[J];安徽电子信息职业技术学院学报;2012年01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 潘希姣;;多子群粒子群集成神经网络[J];安徽建筑工业学院学报(自然科学版);2007年02期
5 李亭;杨敬锋;彭晓琴;陈志民;;基于最大似然法集成的黄曲条跳甲预警模型[J];安徽农业科学;2008年25期
6 时雷;虎晓红;席磊;段其国;;集成学习技术在农业中的应用[J];安徽农业科学;2008年26期
7 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
8 郭立萍;唐家奎;米素娟;张成雯;赵理君;;基于支持向量机遥感图像融合分类方法研究进展[J];安徽农业科学;2010年17期
9 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
10 刘婷婷;;基于支持向量机的水稻纹枯病识别研究[J];安徽农业科学;2011年28期
中国重要会议论文全文数据库 前10条
1 叶红云;倪志伟;陈恩红;;一种混合型集成学习演化决策树算法[A];2005年“数字安徽”博士科技论坛论文集[C];2005年
2 ;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
3 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
4 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
5 ;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
6 ;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
7 ;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
8 ;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
9 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
10 ;LS-SVM Based Stable Generalized Predictive Control[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 于化龙;基于DNA微阵列数据的癌症分类技术研究[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 邬俊;基于交互式语义推理的图像检索算法研究[D];大连海事大学;2010年
6 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
7 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
8 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
9 张明;电能质量扰动相关问题研究[D];华中科技大学;2010年
10 姚志明;基于步态触觉信息的身份识别研究[D];中国科学技术大学;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 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
3 李金华;基于SVM的多类文本分类研究[D];山东科技大学;2010年
4 马冉冉;集成学习算法研究[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 吕万里;中文文本分类技术研究[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 李海清;支持向量机在金融市场预测中的应用[D];辽宁师范大学;2010年
10 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
【同被引文献】
中国期刊全文数据库 前10条
1 焦俊;;基于LS-SVM的采摘机器人运动变结构控制[J];安徽农学通报;2008年18期
2 李凯,黄厚宽;支持向量机增量学习算法研究[J];北方交通大学学报;2003年05期
3 高振松,过静珺;GPS数据到ARC/INFO的转换[J];北京测绘;2000年04期
4 徐海兰;刘彦婷;杨磊;;模式识别中三种字符识别的方法[J];北京广播学院学报(自然科学版);2005年04期
5 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
6 柳回春,马树元,吴平东,杨峰,曾兴生,毕路拯;UK心理测试自动分析系统的手写体数字识别[J];北京理工大学学报;2002年05期
7 张锋,樊孝忠;基于最大熵模型的交集型切分歧义消解[J];北京理工大学学报;2005年07期
8 黄石磊;匡镜明;谢湘;;基于SVM的置信度综合方法在语音识别中的应用[J];北京理工大学学报;2007年03期
9 刘华富;支持向量机Mercer核的若干性质[J];北京联合大学学报(自然科学版);2005年01期
10 李云开;杨培岭;田英杰;任树梅;赵焕勋;;强烈侵蚀产沙区小流域土壤侵蚀强度的支持向量机预报模型研究[J];北京林业大学学报;2007年03期
中国重要会议论文全文数据库 前1条
1 苏毅;吴文虎;郑方;方棣棠;;基于支持向量机的语音识别研究[A];第六届全国人机语音通讯学术会议论文集[C];2001年
中国博士学位论文全文数据库 前10条
1 李刚;知识发现的图模型方法[D];中国科学院软件研究所;2001年
2 陈元;基于分类模型的知识发现过程研究[D];国防科学技术大学;2002年
3 夏建涛;基于机器学习的高维多光谱数据分类[D];西北工业大学;2002年
4 徐耀群;混沌神经网络研究及应用[D];哈尔滨工程大学;2002年
5 范昕炜;支持向量机算法的研究及其应用[D];浙江大学;2003年
6 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
7 张莉;支撑矢量机与核方法研究[D];西安电子科技大学;2002年
8 孙宗海;支持向量机及其在控制中的应用研究[D];浙江大学;2003年
9 刘瑞兰;软测量技术若干问题的研究及工业应用[D];浙江大学;2004年
10 张春华;支持向量机中最优化问题的研究[D];中国农业大学;2004年
中国硕士学位论文全文数据库 前10条
1 周翟和;纸币读入识别系统的研究和实现[D];南京航空航天大学;2002年
2 李凤玲;自动录入数据转存器的硬件设计及灌浆资料管理软件的开发[D];中南大学;2002年
3 徐瑞鑫;复杂背景下实时目标跟踪与识别研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2002年
4 姚伟;神府东胜矿区地质环境综合评价与灾害防治[D];西安科技学院;2002年
5 陈晓燕;紫色土坡面土壤侵蚀预测模型应用研究[D];西南农业大学;2003年
6 雷静;支持向量机在基于边缘检测的图像分割和函数估计中的应用[D];河北工业大学;2003年
7 彭云峰;污水处理出水水质软测量预测预报系统开发[D];昆明理工大学;2003年
8 魏兴国;基于核方法的手写体数字识别研究[D];南京理工大学;2003年
9 张丽;基于多分类器动态组合的手写体数字识别[D];南京理工大学;2003年
10 董云杰;支持向量机及其在模式识别中应用的研究[D];兰州理工大学;2003年
【二级引证文献】
中国期刊全文数据库 前10条
1 彭磊;黄张裕;刘胜男;凌晨阳;;基于模糊LS-SVM算法的大坝变形预测模型[J];水电自动化与大坝监测;2011年01期
2 张宁;黄建冲;邹鹏;李辉;;辐射源指纹识别及其关键技术的发展[J];飞航导弹;2011年05期
3 周宓;;基于组合分类器的信用卡信誉检测[J];成都大学学报(自然科学版);2012年03期
4 刘强;陆化普;王庆云;张红亮;;基于支持向量机的区域运量滚动预测模型[J];哈尔滨工业大学学报;2011年02期
5 王艳锋;;基于SVM的桥区水域失控船舶航迹研究[J];武汉交通职业学院学报;2011年03期
6 徐丹;徐明;左欣;;集成SVM在微阵列数据分析中的应用[J];计算机与现代化;2011年05期
7 刘晓峰;张雪英;;基于纠错输出编码的支持向量机在语音识别中的应用[J];太原理工大学学报;2011年01期
8 罗云锋;贲可荣;;有限标注数据下的软件故障倾向预测方法[J];武汉理工大学学报;2010年20期
9 周林英;朱斌;赵忠杰;;基于支持向量机的高速公路事件检测算法[J];系统仿真技术;2010年03期
10 熊峥;伍法权;;基于进化—支持向量机的地下洞室可靠性分析[J];岩土工程学报;2010年07期
中国博士学位论文全文数据库 前10条
1 张海涛;自律计算系统的自律可信性评估研究[D];哈尔滨工程大学;2010年
2 郑光辉;江苏部分地区土壤属性高光谱定量估算研究[D];南京大学;2011年
3 罗伊萍;LIDAR数据滤波和影像辅助提取建筑物[D];解放军信息工程大学;2010年
4 韩永华;农田图像的统计迭代分割方法研究[D];浙江大学;2011年
5 吴晓;基于声传感器阵列的油气管道内检测器地面标记跟踪技术研究[D];天津大学;2010年
6 曹闻;时空数据模型及其应用研究[D];解放军信息工程大学;2011年
7 盛碧琦;半导体/TFT-LCD制程统计建模与批间控制研究[D];江苏大学;2012年
8 曾联明;基于网格和智能算法的遥感岩性分类方法研究[D];中南大学;2009年
9 任柯燕;基于机器视觉的室外场景图像理解方法研究[D];北京邮电大学;2012年
10 罗德江;基于核方法的井—震多属性碎屑岩储层预测技术研究[D];成都理工大学;2012年
中国硕士学位论文全文数据库 前10条
1 李金华;基于SVM的多类文本分类研究[D];山东科技大学;2010年
2 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
3 张西雅;基于信息融合的汽车防追尾避撞目标识别研究[D];郑州大学;2010年
4 刘卫兵;基于局域均值分解的机械故障诊断方法研究[D];郑州大学;2010年
5 蒋桂莲;基于粗糙集和支持向量机的人脸识别[D];长沙理工大学;2010年
6 饶裕平;基于视频的森林火灾识别方法研究[D];浙江农林大学;2010年
7 袁鹏;无角毛有害赤潮藻显微图像自动识别系统[D];中国海洋大学;2010年
8 高佳;基于支持向量机的地下矿泉水质预测研究[D];山东师范大学;2010年
9 周达和;独立成分分析算法与支持向量机在不良图片识别中的应用[D];华南理工大学;2010年
10 刘云卿;基于支持向量机的MR闹图像分割研究[D];西安工业大学;2011年
【二级参考文献】
中国期刊全文数据库 前7条
1 焦李成,张莉,周伟达;支撑矢量预选取的中心距离比值法[J];电子学报;2001年03期
2 阎平凡;对多层前向神经网络研究的进一步看法[J];电子学报;1999年05期
3 张周锁,李凌均,何正嘉;基于支持向量机的多故障分类器及应用[J];机械科学与技术;2004年05期
4 陈毅松,汪国平,董士海;基于支持向量机的渐进直推式分类学习算法[J];软件学报;2003年03期
5 李凌均,张周锁,何正嘉;基于支持向量数据描述的机械故障诊断研究[J];西安交通大学学报;2003年09期
6 李昆仑,赵俊忠,黄厚宽,田盛丰;基于SVM技术的入侵检测[J];信息与控制;2003年06期
7 冯辅周,褚福磊,丁汉哲;KL-Bayes方法在故障模式识别中的应用[J];振动工程学报;1999年04期
【相似文献】
中国期刊全文数据库 前10条
1 刘解放;侯振雨;吴亮;;支持向量机在模式识别和回归模型中的应用[J];河南科技学院学报(自然科学版);2007年04期
2 谢飞;;支持向量机及其应用研究[J];安徽教育学院学报;2007年03期
3 谭振宇;杨明;;一种基于支持向量机的角点检测算法[J];电子测试;2011年01期
4 蒋刚,肖建,郑永康,宋昌林;基于支持向量机的一类水域叶绿素a浓度反演研究[J];计算机应用;2005年10期
5 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
6 洪宇光,李洁冰,王洪玉;SVM在阵列信号定位中的应用[J];计算机仿真;2004年06期
7 李卓,刘斌,刘铁男,朱秀华,魏坤;支持向量机及其在油田生产中的应用[J];大庆石油学院学报;2005年03期
8 叶俊勇,汪同庆,杨波,彭健;基于支持向量机的人脸检测算法[J];计算机工程;2003年02期
9 郭崇慧;孙建涛;陆玉昌;唐焕文;;线性支持向量机优化问题的极大熵方法[J];小型微型计算机系统;2006年07期
10 刘解放;侯振雨;吴亮;;支持向量回归及其在农产品成分分析中的应用[J];广东农业科学;2007年12期
中国重要会议论文全文数据库 前10条
1 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
2 晏庆华;;支持向量机算法综述[A];2008'中国信息技术与应用学术论坛论文集(二)[C];2008年
3 刘伍颖;王挺;;一种多过滤器集成学习垃圾邮件过滤方法[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年
4 章成志;;基于机器学习的文本聚类描述算法研究[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年
5 程国建;蔡磊;潘华贤;;核向量机在大规模机器学习中的应用[A];第十一届中国青年信息与管理学者大会论文集[C];2009年
6 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
7 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
8 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
9 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
10 林关成;李亚安;;基于ANN与SVM的分类和回归比较研究[A];2008’促进中西部发展声学学术交流会论文集[C];2008年
中国重要报纸全文数据库 前10条
1 黎骊/文 [美] Tom M.Mitchell 著;机器学习与智能化社会[N];中国邮政报;2003年
2 本报记者 余建斌;机器学习与互联网搜索[N];人民日报;2011年
3 本报记者 张晔通讯员 李玮;周志华:永不墨守成规[N];科技日报;2008年
4 记者 何边;网络化激活人工智能[N];计算机世界;2001年
5 何清 史忠植 王伟;搜索引擎的前沿技术[N];计算机世界;2006年
6 傅秋瑛;默默耕耘数十载 自主创新结硕果[N];科技日报;2006年
7 王育昕吴红梅;高水平原创性科技成果大量涌现[N];新华日报;2008年
8 冯卫东;科技将这样改变我们的生活[N];科技日报;2008年
9 杰逊;微软的第一个搜索技术掌门[N];中国计算机报;2006年
10 阮光尘朱元春;多层构建邮件免疫机能[N];中国计算机报;2007年
中国博士学位论文全文数据库 前10条
1 李忠伟;支持向量机学习算法研究[D];哈尔滨工程大学;2006年
2 王磊;支持向量机学习算法的若干问题研究[D];电子科技大学;2007年
3 徐海祥;基于支持向量机方法的图像分割与目标分类[D];华中科技大学;2005年
4 王国胜;支持向量机的理论与算法研究[D];北京邮电大学;2008年
5 武国正;支持向量机在湖泊富营养化评价及水质预测中的应用研究[D];内蒙古农业大学;2008年
6 张超;基于支持向量机的汽轮机轴系振动故障智能诊断研究[D];华北电力大学(河北);2009年
7 邢永忠;最小二乘支持向量机的若干问题与应用研究[D];南京理工大学;2009年
8 曹葵康;支持向量机加速方法及应用研究[D];浙江大学;2010年
9 蒋刚;核机器学习方法若干问题研究[D];西南交通大学;2006年
10 甘良志;核学习算法与集成方法研究[D];浙江大学;2010年
中国硕士学位论文全文数据库 前10条
1 张昕;基于SVM方法的医学图像分类研究[D];浙江大学;2006年
2 赵莹;基于向量投影的支持向量机增量学习算法[D];哈尔滨工程大学;2007年
3 刘森华;基于SVM的数据挖掘技术研究[D];长春理工大学;2009年
4 王晶;支持向量机及其在癌症诊断中的应用研究[D];东北师范大学;2006年
5 杨雪;支持向量机多类分类方法的研究[D];哈尔滨工程大学;2006年
6 刘华煜;基于支持向量机的机器学习研究[D];大庆石油学院;2005年
7 马波;支持向量机多类分类算法的分析与设计[D];扬州大学;2008年
8 赵斌;多值SVM分类投票法的改进[D];武汉科技大学;2007年
9 马京华;多光谱图像分割技术在防沙治沙关键技术中的研究与应用[D];天津理工大学;2009年
10 陈栋梁;支持向量机训练算法研究[D];合肥工业大学;2007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