收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

支持向量机算法的若干改进及其研究

郭晨晨  
【摘要】:信息化社会海量数据的爆发式增长推进了大数据时代的到来。由于传统数据处理工具大多数基于少量样本和结构化数据而设计,难以满足大数据处理的要求。因此产生了数量众多的新型数据处理模型。支持向量机是其中影响及应用领域较为广泛的一种机器学习方法。由于该算法不需要概率测度和大数定律,巧妙地避开了从归纳到演绎的传统思维,使处理分类问题的过程得以简化。此外,支持向量机的最终决策函数只由少数支持向量决定,使得该方法有效地避免了“维数灾难”,拥有优秀的泛化能力。然而,在实际的运用过程中,支持向量机也存在明显的短板。首先支持向量机是借助二次规划求解支持向量,当样本规模比较庞大时,将消耗大量的机器内存和时间,因而,只适合解决小样本分类问题。此外,由于支持向量机设计之初是为解决二分类问题,因此在处理多类分类问题时需要对分类器模型作相应改进。本文针对目前支持向量机中存在的诸如处理复杂数据集分类精度低、异常点的分类“过硬”以及多标签分类能力不足等问题提出了相应的改进方法。具体研究内容如下:研究了一种引入距离参量的支持向量机改进算法。该方法利用距离度量代替原始支持向量模型中的松弛变量,使得算法对于少数类的预测度明显提升。研究了利用粗糙集和模糊集中隶属度的思想结合支持向量机形成的一种多理论组合分类算法。通过粗糙集和模糊集的相关理论,得到了影响分类结果的部分异常样本与其最近支持向量的隶属度。扩大了原始样本的利用率,使聚类结果更接近样本集的本质。研究了一种针对经典多标签分类策略One-against-all中存在的缺陷提出的改进方法。该方法通过数学手段简化样本区域的决策函数,合并了决策边界。根据将样本分配给隶属度最大区域的原则,对合并后的区域中的样本进行重新分类。实验结果表明,改进后的方法可以使One-against-all无法分类的区域得到分类。


知网文化
【相似文献】
中国期刊全文数据库 前16条
1 马旭霞;;支持向量机理论及应用[J];科学技术创新;2019年02期
2 江少杰;宁纪锋;李云松;;加权间隔结构化支持向量机目标跟踪算法[J];中国图象图形学报;2017年09期
3 李娜;孙乐;胡一楠;李笑;王亚南;;模糊型支持向量机及其在入侵检测中的应用[J];科技创新与应用;2018年11期
4 邵元海;杨凯丽;刘明增;王震;李春娜;陈伟杰;;从支持向量机到非平行支持向量机[J];运筹学学报;2018年02期
5 高钦姣;张胜刚;贾晓薇;;基于支持向量机的股票价格预测模型研究与应用[J];课程教育研究;2016年28期
6 林香亮;袁瑞;孙玉秋;王超;陈长胜;;支持向量机的基本理论和研究进展[J];长江大学学报(自科版);2018年17期
7 安悦瑄;丁世飞;胡继普;;孪生支持向量机综述[J];计算机科学;2018年11期
8 梁武;苏燕;;一种新的基于类内不平衡数据学习支持向量机算法[J];科技通报;2017年09期
9 吴青;梁勃;;分段熵光滑支持向量机性能研究[J];计算机工程与设计;2015年08期
10 牛犇;顾宏斌;孙瑾;周来;周扬;;有向无环图-双支持向量机的多类分类方法[J];计算机应用与软件;2015年11期
11 赵芳;马玉磊;;自训练半监督加权球结构支持向量机多分类方法[J];重庆邮电大学学报(自然科学版);2014年03期
12 候明;张新新;范丽亚;;四类基于支持向量机的多类分类器的性能比较[J];聊城大学学报(自然科学版);2014年03期
13 张小琴;贾郭军;;一种采用粗糙集和遗传算法的支持向量机[J];山西师范大学学报(自然科学版);2013年01期
14 黄娟;唐轶;王军霞;;贪婪支持向量机的分析及应用[J];计算机工程与应用;2012年24期
15 丁胜锋;;一种改进的双支持向量机[J];辽宁石油化工大学学报;2012年04期
16 李逢焕;;试述不确定支持向量机应用分析及改进思路[J];中国证券期货;2012年12期
中国重要会议论文全文数据库 前10条
1 王晓红;;一种改进多类支持向量机加权后验概率重构策略[A];2009中国控制与决策会议论文集(3)[C];2009年
2 余乐安;姚潇;;基于中心化支持向量机的信用风险评估模型[A];第六届(2011)中国管理学年会——商务智能分会场论文集[C];2011年
3 何琴淑;刘信恩;肖世富;;基于支持向量机的系统辨识方法研究及应用[A];中国力学大会——2013论文摘要集[C];2013年
4 郭一楠;程健;肖大伟;杨梅;;分布式多分类支持向量机[A];2011年中国智能自动化学术会议论文集(第一分册)[C];2011年
5 汪荣贵;孙见青;胡琼;李守毅;;一种新的支持向量机决策树及其应用[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年
6 伍敏;苏鹏宇;刘金福;于达仁;;基于RVM和SVM的风速预测研究[A];2012电站自动化信息化学术和技术交流会议论文集[C];2012年
7 曾江辉;耿金凤;汪邦军;郝建春;;面向时间序列质量波动预测的支持向量机回归模型研究[A];使命与责任—以质量方法促转型升级——第五届中国质量学术与创新论坛论文集(上)[C];2012年
8 刘爽;贾传荧;;一种加权支持向量机算法[A];通信理论与信号处理新进展——2005年通信理论与信号处理年会论文集[C];2005年
9 张晓滨;尹英顺;赵培坤;马秀兰;;基于渐进直推支持向量机的半对半多类文本分类[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
10 张立刚;李海丽;;基于最小二乘支持向量机的协调系统预测[A];第六届全国信息获取与处理学术会议论文集(3)[C];2008年
中国博士学位论文全文数据库 前10条
1 胡庆辉;非稀疏多核支持向量机学习方法研究[D];武汉大学;2015年
2 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
3 徐芳;航空影像分割的支持向量机方法[D];武汉大学;2004年
4 蔡从中;支持向量机及其在生物材料功能研究中的应用[D];重庆大学;2003年
5 孙德山;支持向量机分类与回归方法研究[D];中南大学;2004年
6 翟永杰;基于支持向量机的故障智能诊断方法研究[D];华北电力大学(河北);2004年
7 董春曦;支持向量机及其在入侵检测中的应用研究[D];西安电子科技大学;2004年
8 安金龙;支持向量机若干问题的研究[D];天津大学;2004年
9 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
10 阎满富;求解分类问题的支持向量机方法与应用研究[D];中国农业大学;2005年
中国硕士学位论文全文数据库 前10条
1 陈青锋;支持向量机的多分类扩展算法研究[D];湖南大学;2015年
2 龚尚花;基于lasso和支持向量机的组合预测及其在粮价预测中的应用[D];湖南大学;2016年
3 郭晨晨;支持向量机算法的若干改进及其研究[D];山西师范大学;2018年
4 刘雅云;基于机器学习的降水数据分析算法的研究[D];南京信息工程大学;2018年
5 焦向宁;面向油气储层综合评价的空间支持向量机模型[D];成都理工大学;2018年
6 高春钦;基于PSO优化小波支持向量机的岩土力学参数反演[D];昆明理工大学;2018年
7 王尽如;基于半监督支持向量机的驾驶员打电话行为检测[D];湖南大学;2018年
8 高亚蒙;基于优化支持向量机的风电项目投资风险评价[D];华北电力大学;2018年
9 谢碧霞;大型锅炉燃烧系统的支持向量机建模方法的研究[D];华北电力大学;2018年
10 孙选将;支持向量机在糖尿病遗传风险预测中的应用[D];华东师范大学;2018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