收藏本站
《西安电子科技大学》 2005年
收藏 | 手机打开
二维码
手机客户端打开本文

支撑矢量机应用的关键技术研究

郑春红  
【摘要】:基于数据的机器学习一直是智能系统技术中的一个重要和极为活跃的研究方向和热点,其内容主要为研究如何从观测数据(样本)中发现规律,利用获得的规律对未来数据或无法观测的数据进行预测。包括模式识别、函数拟合及概率密度估计等在内的现有的基于数据的机器学习方法共同的重要理论基础之一就是统计学。传统统计学研究的是样本数目趋于无穷大时的渐近理论,现有的诸如神经网络等机器学习方法也多是基于此假设。但对于大多数实际问题来说,样本数目往往是有限的,因此一些在理论上很优秀的机器学习方法在实际应用中的表现却可能不尽人意。 统计学习理论(Statistical learning theory,SLT)是一门研究小样本情况下基于数据的机器学习理论的科学,其核心归纳原则为结构风险最小化(Structural risk minimization,SRM)原则。支撑矢量机(Support vector machine,SVM)是统计学习理论中最实用、最年轻的部分,是基于结构风险最小化的普适而有效的统计学习理论最具代表性的新型小样本学习机,是结构风险最小化原则的具体实现。作为统计学习理论中最年轻、最具代表性的核心内容,SVM是机器学习领域研究与应用的热点之一,仍处在不断发展与丰富阶段。 针对支撑矢量机面向实际应用的几个关键问题,展开了相应的研究,主要内容包括下面四个方面:将模糊逻辑技术引入传统的SVM中以加速传统SVM的学习速度及提高其性能;提出了基于遗传算法的SVM模型自动选择方法;系统客观地评价了几种常用的SVM泛化性能指标;提出了一种简单高效的SVM泛化性能指标。主要工作可概括为如下五个创新点: (1)由于在多数支撑矢量机中采用全部数据进行优化计算得到稀疏的支撑矢量,在优化过程中不仅对支撑矢量进行优化,也对非支撑矢量进行优化,大大增加了不必要的计算。将模糊逻辑技术与传统SVM相结合,提出了小样本快速学习的模糊预选支撑矢量机(Fuzzy SVM,FSVM)。通过提出的模糊规则,利用近似SVM(Proximal SVM,PSVM)的快速性在原始数集上预选支撑矢量,然后再利用标准SVM在训练样本数大大降低的预抽取的数集上获得通常意义的稀疏的支撑矢量。不但提高了SVM的学习速度,同时保持其原有的较好的泛化能力。人造数据与Iris、Wine和Soy基准数集的实验结果证明了所提方法的有效性。 (2)针对现有的多类SVM有可能出现多个两类分类器无法判别(即拒分)或一个数据属于多类(即误分)的情况,在研究支撑矢量机分类机理的基础上,详细分析了SVM多类分类问题中存在的误分、拒分现象,结合模糊理论,提出
【学位授予单位】:西安电子科技大学
【学位级别】:博士
【学位授予年份】:2005
【分类号】:TP181

【相似文献】
中国期刊全文数据库 前10条
1 余剑;;基于多层支撑矢量机分类算法提取最优抗体集的研究[J];煤炭技术;2011年07期
2 艾朝霞;李成荣;拓耀飞;;基于支撑矢量机的纸币序列号识别[J];榆林学院学报;2011年04期
3 王素云;崔丽威;宫雷;曹苏娜;;SVM方法在滚动轴承故障诊断中的应用[J];西安文理学院学报(自然科学版);2011年03期
4 郭金玲;樊东燕;;基于SVM的山西省旅游需求预测与分析[J];电脑开发与应用;2011年09期
5 邹杰;吴仲城;;基于支持向量数据描述的在线签名认证系统[J];模式识别与人工智能;2011年02期
6 杨玫;郭天杰;陈青华;;基于经验模式分解的时间序列预测方法研究[J];计算机技术与发展;2011年07期
7 张微;张伟;刘世英;杨金中;茅晟懿;;基于核PCA方法的高分辨率遥感图像自动解译[J];国土资源遥感;2011年03期
8 谢凌然;高长伟;沈玉娣;;基于混合核函数支持向量机的齿轮诊断方法研究[J];机械传动;2011年09期
9 梁爽;张立坡;;熵权核函数支持向量机[J];科技致富向导;2011年20期
10 王安娜;李云路;赵锋云;史成龙;;一种新的半监督直推式支持向量机分类算法[J];仪器仪表学报;2011年07期
中国重要会议论文全文数据库 前10条
1 王佩;申家振;张艳宁;;基于支撑矢量机的SAR图像边缘检测方法[A];信号与信息处理技术——第一届信号与信息处理联合学术会议论文集[C];2002年
2 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
3 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
4 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
5 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
6 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
7 张艳宁;郑江滨;赵荣椿;;一种有效的遥感图像识别方法[A];第九届中国体视学与图像分析学术会议论文集[C];2001年
8 孟祥国;马军;段昕;;基于统计学习理论的支持向量机算法研究[A];2006年全国理论计算机科学学术年会论文集[C];2006年
9 王然风;姚海生;;基于统计学习理论的选煤过程关键工艺参数智能软测量建模研究综述[A];2005年全国选煤学术会议论文集[C];2005年
10 赵晶;高隽;张旭东;谢昭;;支持向量机综述[A];全国第十五届计算机科学与技术应用学术会议论文集[C];2003年
中国博士学位论文全文数据库 前10条
1 张莉;支撑矢量机与核方法研究[D];西安电子科技大学;2002年
2 周伟达;核机器学习方法研究[D];西安电子科技大学;2003年
3 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
4 郑春红;支撑矢量机应用的关键技术研究[D];西安电子科技大学;2005年
5 李青;优化核方法[D];西安电子科技大学;2007年
6 任俊;基于支撑矢量机的图像分类、车牌识别及嵌入式应用研究[D];浙江大学;2005年
7 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
8 冯斌;群体智能优化算法及其在生化过程控制中的应用研究[D];江南大学;2005年
9 周绮凤;基于支持向量机的若干分类问题研究[D];厦门大学;2007年
10 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
中国硕士学位论文全文数据库 前10条
1 滕文凯;支持向量机反问题及其解法[D];河北大学;2005年
2 杜晓东;基于支持向量机的数据挖掘方法[D];山东大学;2005年
3 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
4 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
5 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
6 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
7 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
8 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
9 王忠文;统计学习理论及其在地学中的应用研究[D];吉林大学;2007年
10 蒋琳琼;基于支持向量机的货币识别研究[D];中南大学;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