收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

支持向量机学习算法研究

李忠伟  
【摘要】:统计学习理论中的支持向量机方法具有全局最优、结构简单、推广能力强等优点,是目前机器学习和模式识别领域的研究热点之一。但是,支持向量机方法自身的复杂性成为其处理大规模数据时的“瓶颈”问题。本文针对支持向量机的时间复杂度和空间复杂度等问题,分别就支持向量机的快速学习和增量学习问题方面进行了研究。 本文研究工作主要围绕以下几个方面进行: 首先概述了本文研究内容的基础——统计学习理论与支持向量机方法,描述并比较了目前研究与应用较多的几种变形算法,为本文后续的研究方向与内容进行了铺垫。 提出了启发式支持向量机快速学习方法。借鉴主动学习的思想,利用支持向量的几何特点,提出选择支持向量的启发式规则;以启发式规则和内积矩阵分解算法为基础,进行对样本的启发式训练和快速分类。前者尽可能地选择了对分类器最有利的样本进行训练,提高了训练速度和训练精度;后者则在保证了分类精度不损失的前提下,提高了分类速度。 提出一种支持向量机的渐进增量学习算法;研究了支持向量机在处理大规模数据时的增量学习方法和策略,分析了基于分块法和基于KKT条件的代表算法的特点和不足;利用由初始的分类器确定的KKT条件来选择一部分增量样本进行训练,有效地降低了对样本训练所需要的时间,并避免了增量样本分布对初始学习结果的影响,提高了增量学习的精度。 提出了一种基于多支持向量机分类器的并行学习算法。考虑到样本集的分布对分类器性能的影响,通过距离阈值选择一定数量的样本作为必要的反馈,构成循环式的反馈以更新分类器,使各分类器的分类性能在全局最优。 提出了一种改进的Cascade SVMs算法;分析了反馈产生的原因及方式,提出以交叉反馈的方式来缩短Cascade SVMs算法中逐层合并支持向量集产生反馈的时间,在保证分类器的分类性能的同时,缩短了更新分类器需要的时间。 将支持向量机方法应用于虚拟企业伙伴决策问题中。针对常规虚拟企业


知网文化
【相似文献】
中国期刊全文数据库 前20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 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
6 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
7 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
8 张汝雷;王保民;苏欣平;傅钰;;支持向量机(SVM)在机械故障诊断中的应用研究[J];军事交通学院学报;2009年03期
9 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
10 姜雪;陶亮;王华彬;武杰;;基于分层并行筛选样本的SVM增量学习算法[J];计算机技术与发展;2007年11期
11 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
12 胡国胜;支持向量机算法及应用[J];现代电子技术;2005年03期
13 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
14 韦抒;;应用支持向量机实现转子故障的模式分类[J];制造业自动化;2009年07期
15 范燕,吴小俊,惠长坤,刘同明;人脸图象特征抽取和识别的一种混合方法研究[J];华东船舶工业学院学报(自然科学版);2003年02期
16 胡莹,王昱,丁明跃,周成平;一种改进的SVM相关反馈图像检索方法[J];计算机应用研究;2005年01期
17 李应红,尉询楷;支持向量机和神经网络的融合发展[J];空军工程大学学报(自然科学版);2005年04期
18 沈莉芳;方贵盛;;支持向量机及其在草图编辑手势识别中的应用[J];电脑知识与技术(学术交流);2006年23期
19 陈增照;杨扬;董才林;何秀玲;;支持向量机动态学习方法及其在票据识别中的应用[J];北京科技大学学报;2006年02期
20 胡哲;郑诚;闵鹏鹏;;支持向量机及其应用研究[J];重庆科技学院学报(自然科学版);2008年02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 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
4 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
5 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
6 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
7 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
8 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
9 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
10 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
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 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
3 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
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 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
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 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
9 曹葵康;支持向量机加速方法及应用研究[D];浙江大学;2010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 赖永标;支持向量机在地下工程中的应用研究[D];山东科技大学;2004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 杰逊;微软的第一个搜索技术掌门[N];中国计算机报;2006年
9 冯卫东;科技将这样改变我们的生活[N];科技日报;2008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
中国知网广告投放
 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