收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

支持向量机集成学习方法研究

张妤  
【摘要】: 支持向量机(Support Vector Machine,SVM)是近年来受到广泛关注的一类学习机器,它以统计学习理论(Statistical Learning Theory,SLT)为基础,具有简洁的数学形式、标准快捷的训练方法和良好的泛化性能,已广泛应用于模式识别、函数估计和时间序列预测等数据挖掘问题。但在SVM的研究中仍然存在许多问题尚待解决,例如:模型选择问题、针对大规模训练集的学习效率问题等。目前,在SVM的学习训练过程中,几乎所有研究都以单个支持向量机作为训练器,关于SVM的多学习器学习方法研究甚少。集成学习(EnsembleLearning)技术作为一种有效的多学习器学习方法已获得许多有价值的结果,将集成学习技术引入到SVM学习中,可以更好地提高SVM的泛化能力,因此,基于集成学习的SVM学习方法研究成为目前SVM研究中一个重要的方向。本文对SVM集成学习方法进行了系统地研究,主要内容如下: (1)对于集成学习技术的理论分析、实现方法的设计和实际应用进行了系统地研究。 (2)对现有的集成学习方法进行了简要介绍,分析了两种经典的集成学习方法Bagging和Boosting、比较了两者的优缺点、考察了它们的生效机制。 (3)提出两种回归SVM集成学习方法,即:基于Bagging的回归SVM集成学习方法和基于参数变换的回归SVM集成学习模型。 (4)提出了一种回归SVM选择性集成学习方法,通过采用特定阈值选择合适的子SVM,从而进一步提高整个SVM的效率;分析了阈值变化对选择性集成学习的影响、集成规模与选择性集成规模的关系、集成规模与集成学习效果的关系。 (5)通过标准数据集和真实数据集对本文提出的三种方法进行验证,取得了预期效果。 本文对回归SVM集成学习方法和选择性集成学习方法进行了初步的研究与探索,作为SVM研究中的一个新问题,本文的研究成果不仅具有重要的理论意义,而且对于实际问题具有直接的应用价值。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 朱齐丹;张智;邢卓异;;支持向量机改进序列最小优化学习算法[J];哈尔滨工程大学学报;2007年02期
2 陈勇;熊金志;;一种求ε-不敏感支持向量回归机光滑函数的新方法[J];计算机工程与科学;2010年08期
3 葛红艳;邢光龙;王伟超;;基于支持向量机分类的回归方法[J];电子技术;2008年09期
4 张智;朱齐丹;邢卓异;;基于SVM的大样本集系统辨识与函数拟合仿真[J];计算机仿真;2006年09期
5 徐喆;毛志忠;;基于超球的支持向量机增量学习算法[J];东北大学学报(自然科学版);2010年01期
6 吴青;刘三阳;张乐友;;回归型支持向量机的调节熵函数法[J];控制与决策;2009年11期
7 陈勇;徐建敏;;ε-不敏感的光滑支持向量回归机的收敛性[J];计算机工程;2010年15期
8 杨金芳,翟永杰,王东风,徐大平;基于支持向量回归的时间序列预测[J];中国电机工程学报;2005年17期
9 杨滨;杨晓伟;黄岚;梁艳春;周春光;吴春国;;自适应迭代最小二乘支持向量机回归算法[J];电子学报;2010年07期
10 王慧勤;雷刚;;基于LIBSVM的风速预测方法研究[J];科学技术与工程;2011年22期
11 陈志国;程义民;王以孝;游安清;;基于SVR的机动目标跟踪[J];计算机工程与科学;2006年08期
12 业宁,梁作鹏,董逸生,王厚立;一种SVM非线性回归算法[J];计算机工程;2005年20期
13 涂建平;蔡佳;;基于光滑化方法的支持向量回归算法[J];湖北大学学报(自然科学版);2006年01期
14 林茂六;陈春雨;;基于傅立叶核与径向基核的支持向量机性能之比较[J];重庆邮电学院学报(自然科学版);2005年06期
15 王东;;回归算法在电力负荷预测中的应用[J];仪器仪表用户;2009年06期
16 郝继升;;基于支持向量回归机和B样条网络回归曲线建模算法[J];江西科学;2007年01期
17 郝继升;;一种建立回归曲线模型的新算法[J];河南科学;2007年02期
18 郝继升;;基于LS-SVR的回归曲线建模[J];江西科学;2007年05期
19 张浩然;汪晓东;张长江;;一种鲁棒回归支持向量机及其学习算法[J];南京理工大学学报(自然科学版);2006年03期
20 胡金莲;杨雷;王斌;;用光滑的支持向量机解回归问题[J];科学技术与工程;2007年12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 赵英刚;刘仰光;何钦铭;;一种区间型支持向量回归算法及其在网络信息挖掘中的应用[A];第25届中国控制会议论文集(中册)[C];2006年
4 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
5 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
6 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
7 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
8 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
9 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
10 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
中国博士学位论文全文数据库 前10条
1 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
2 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
3 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
4 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
5 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
6 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
7 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
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 张妤;支持向量机集成学习方法研究[D];山西大学;2008年
2 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
3 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
4 童振;基于支持向量机的电解液成分预测[D];东北大学;2008年
5 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
6 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
7 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
8 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
9 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
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
中国重要报纸全文数据库 前10条
1 记者黄灵、潘立文;黎叙应是“路线图”组成部分[N];人民日报;2003年
2 刘礼福;文物回流 拍卖绝非惟一选择[N];中国商报;2007年
3 梁钟荣;中海油“回归”两大障碍:法律依据及市场扩容[N];21世纪经济报道;2008年
4 重庆市第三中级人民法院 李贤华;跨国流失文物的国际追踪[N];人民法院报;2010年
5 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
6 林喆;红筹股回归是公司自身选择[N];中国证券报;2007年
7 洪其华;CDR或为回归A股可选方案[N];第一财经日报;2007年
8 马晓芳;电信运营商回归A股大势所趋[N];第一财经日报;2007年
9 李水根;计算机详解配伍与药效关系[N];健康报;2005年
10 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
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978