收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

支持向量机的核方法及其多核聚类算法的研究

李新  
【摘要】:自1995年Vapnik等人提出了基于统计学习理论和核技巧的支持向量机算法以来,基于核的机器学习方法(即核方法)取得了迅速的发展,目前已成为机器学习和人工智能领域的研究热点之一,广泛应用于图像处理、生物信息技术、入侵检测技术和文本分类等多个领域。进一步研究支持向量机,无论对核方法理论的完善和发展,还是对核方法在应用领域的进一步拓展,都具有十分重要的意义。 核函数作为实现非线性映射的重要途径是支持向量机得到广泛应用和取得良好效果的关键所在。本论文的目的就是研究多核函数的性质与构造。研究多核的意义在于一方面可以扩展提高支持向量机的应用性,进而扩展模式分析、人工智能和机器学习;另一方面核作为一门独立的学科,刚刚处于发展的初始阶段,其潜力还远远没有得以完全发掘。 本论文主要创新工作是: 1.针对多数据源或异构数据集,采用单个核函数的效果不是太理想,提出了鲁棒性更强的多核函数。根据不同的属性选择不同的核函数或者参数不同的核函数,提高核的学习能力及泛化能力,并证明了新核的合法性; 2.将多核学习引入到模糊聚类分析中,提出了一种多核模糊聚类算法。通过选取子核函数及其参数构造多核函数,使得输入空间的样本经多核函数映射后,增大不同类别样本间的差别,提高了核函数的学习能力和泛化能力。克服了全局核函数学习能力较弱和局部性核函数泛化能力较弱的问题,与单核聚类算法相比较,提出的算法能更好地实现聚类。 3.支持向量聚类是一个无监督学习模型,聚类效果完全取决于所选取的核函数。高斯核是支持向量聚类中常用的。但由于高斯核宽度的局限性,决定其核机器泛化能力较弱,因而提出将泛化性能更好的加权多宽度高斯核引入支持向量聚类算法,以期达到更好的聚类效果。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 姜楠;;模式识别方法在入侵检测中的应用[J];电子技术应用;2007年10期
2 闵可锐;赵迎宾;刘昕;赵泽宇;闫华;;互联网话题识别与跟踪系统设计及实现[J];计算机工程;2008年19期
3 倪霖;郑洪英;;基于聚类和支持向量机的入侵检测研究[J];计算机应用;2007年10期
4 ;《模式识别与人工智能》2009年总目次[J];模式识别与人工智能;2009年06期
5 柯永振;张加万;孙济洲;张怡;周小舟;;结合支持向量机与C均值聚类的图像分割[J];计算机应用;2006年09期
6 贾燕花;徐蔚鸿;;K-means聚类和支持向量机结合的文本分类研究[J];计算机工程与应用;2010年22期
7 王英奇;;支持向量聚类算法的研究与改进[J];湛江师范学院学报;2008年06期
8 唐洪林;刘笃晋;;基于多阶段聚类支持向量机的入侵检测算法[J];电脑知识与技术;2010年15期
9 王翔;郑建国;王玉玲;;蚁群化学聚类在工程项目风险预测中的应用研究[J];计算机工程与应用;2011年02期
10 王晓锋;秦玉平;;基于二叉树的SVM多类分类算法研究[J];湖南工程学院学报(自然科学版);2008年03期
11 叶菲;罗景青;;基于搜索机制密度聚类的支持向量预选取算法[J];计算机工程;2008年19期
12 武方方;赵银亮;蒋泽飞;;基于密度聚类的支持向量机分类算法[J];西安交通大学学报;2005年12期
13 居红云;张俊本;李朝峰;王正友;;基于K-means与SVM结合的遥感图像全自动分类方法[J];计算机应用研究;2007年11期
14 李仁兵;李艾华;王声才;刘太阳;;基于自适应协同聚类的支持向量预选算法[J];系统仿真学报;2011年06期
15 龙俊波;汪海滨;吴德会;;一种基于支持向量机思想的无监督聚类算法[J];电脑知识与技术(学术交流);2006年23期
16 朱雪芳;;改进支持向量聚类算法的研究[J];计算机测量与控制;2006年12期
17 蔺旭东;曾晓宁;薄静仪;;一种基于支持向量的镜头聚类算法[J];计算机应用;2007年09期
18 徐巍;陈祥光;彭红星;刘春涛;;基于模糊C-均值聚类与支持向量机的PMV指标预测系统[J];系统工程理论与实践;2009年07期
19 陈定三;杨慧中;;用于多模型软测量的扩张搜索聚类算法[J];计算机与应用化学;2011年04期
20 田盛丰,黄厚宽;基于支持向量机的数据库学习算法[J];计算机研究与发展;2000年01期
中国重要会议论文全文数据库 前10条
1 任伟;闫桂英;;利用聚类算法来研究基因选择问题[A];中国运筹学会第八届学术交流会论文集[C];2006年
2 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
3 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
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 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
2 常甜甜;支持向量机学习算法若干问题的研究[D];西安电子科技大学;2010年
3 胡运红;支持向量机的若干算法研究[D];山东科技大学;2011年
4 周喜川;非可信环境下的支持向量机研究[D];浙江大学;2010年
5 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
6 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
7 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
8 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
9 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
10 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
中国硕士学位论文全文数据库 前10条
1 李新;支持向量机的核方法及其多核聚类算法的研究[D];中国海洋大学;2010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 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
2 本报记者 于翔;多元管理防范金融风险[N];网络世界;2010年
3 李水根;计算机详解配伍与药效关系[N];健康报;2005年
4 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
5 YMG记者 李仁 通讯员 曲华明 孙运智;我市九项目进入省“盘子”[N];烟台日报;2010年
6 上海大学理学院教授、副院长 陆文聪;酷爱化学 孜孜以求[N];中国化工报;2006年
7 ;选择合适的数据挖掘算法[N];计算机世界;2007年
8 周颖;王米渠与中医心理学[N];中国中医药报;2006年
9 记者 耿挺;蛋白质功能算出来[N];上海科技报;2007年
10 记者 张云普通讯员 全攀峰 安强强;大庆物探深度域地震资料岩性解释技术获得五大突破[N];中国石油报;2008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