收藏本站
《扬州大学》 2008年
收藏 | 手机打开
二维码
手机客户端打开本文

支持向量机多类分类算法的分析与设计

马波  
【摘要】: 支持向量机是上世纪九十年代提出的一种基于小样本的新的统计学习方法。支持向量机是机器学习领域若干标准技术的集成者,它集成了最大超平面、Mercer核、凸二次规划、稀疏解和松弛变量等多项技术,在若干挑战性的应用中,获得了较好的性能。由于其具有全局最优、结构简单、推广能力强等优点,近几年得到了广泛的研究并广泛应用于模式识别等领域。但是支持向量机最初是针对两类分类提出来的,如何将两类分类方法扩展到多类别分类是支持向量机研究的重点内容之一。 本文从支持向量机的基本理论出发,针对分类问题着重讨论了以下几个方面的内容:(1)支持向量机二分类算法的研究,对目前存在的多种支持向量机模型进行了研究分析,比较了他们的性能与应用的范围。(2)支持向量机多类分类算法的研究,首先总结了目前存在的基于支持向量机的多类分类方法,包括“一对多”方法、“一对一”方法、一次性求解的方法、决策有向无环图方法、基于二叉树的支持向量机多类分类方法和其它几种方法,比较了他们的优缺点以及性能。同时本章中针对多类分类方法中的1-a-r(one- against-rest)方法存在由于训练样本之间的不均衡将对精度产生影响,不可识别区域等不足,提出了利用边界近邻最小二乘支持向量机来解决多类分类问题。有效地解决了上述问题,实验结果表明该方法的有效性。(3)基于原型超平面支持向量机的研究。介绍了原型超平面支持向量机的产生,并针对其分类规则在某些情形会导致较差的分类结果,提出了在利用基于广义特征的最接近支持向量机(GEPSVM)产生一个主原型超平面的基础上,再利用主原型超平面及它类样本的信息构造一个次原型超平面,形成一个由主次原型超平面共同决策的最接近支持向量机。该方法不仅简单且易于实现,还具有较GEPSVM更优的分类性能。在UCI数据集上实验验证了它的有效性。(4)将基于主次原型超平面最接近支持向量机分类器与主分量分析结合,应用于人脸识别过程,并与传统的最近邻分类器比较,实验证明了其效果优于传统的最近邻分类规则。
【学位授予单位】:扬州大学
【学位级别】:硕士
【学位授予年份】:2008
【分类号】:TP18

知网文化
【相似文献】
中国期刊全文数据库 前10条
1 黎超;吴义国;魏星;;基于主成分分析的SMO文本分类[J];现代计算机(专业版);2011年10期
2 贾昱晟;;基于机器学习的中文文本分类技术研究[J];电脑知识与技术;2011年21期
3 吕卓;谢松云;赵金;赵海涛;;基于SVM及其改进算法的fMRI图像分类性能研究[J];电子设计工程;2011年16期
4 郭成芳;;支持向量机在网络异常入侵检测中的应用研究[J];计算机仿真;2011年07期
5 汪正中;张洪渊;;基于英文博客文本的情感分析研究[J];计算机技术与发展;2011年08期
6 樊振宇;;软件故障度量方法[J];装备制造技术;2011年08期
7 黄蔚;;浅析机器学习及其在教育中的应用[J];科技信息;2011年18期
8 顾成杰;张顺颐;;基于改进SVM的网络流量分类方法研究[J];仪器仪表学报;2011年07期
9 冯林;原永乐;;一种基于(μ+λ)-ES进化策略的特征选择方法[J];计算机科学;2011年08期
10 邹根;闻立杰;;基于支持向量机的Web日志用户标志修正算法[J];计算机集成制造系统;2011年08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 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
3 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
4 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
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 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
8 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
9 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
10 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
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 记者 刘垠;首届中美视觉夏令营开营[N];大众科技报;2009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 王国胜;支持向量机的理论与算法研究[D];北京邮电大学;2008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 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
5 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
6 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
7 曹葵康;支持向量机加速方法及应用研究[D];浙江大学;2010年
8 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
9 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
10 陈慧灵;面向智能决策问题的机器学习方法研究[D];吉林大学;2012年
中国硕士学位论文全文数据库 前10条
1 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
2 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
3 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
4 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
5 马金刚;基于向量空间的信息过滤关键技术研究[D];山东师范大学;2006年
6 张昕;基于SVM方法的医学图像分类研究[D];浙江大学;2006年
7 赵斌;多值SVM分类投票法的改进[D];武汉科技大学;2007年
8 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
9 黄波;基于支持向量机的多示例学习研究与应用[D];中国地质大学;2009年
10 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
 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