收藏本站
收藏 | 论文排版

基于统计学习理论的支持向量机算法研究

唐发明  
【摘要】:传统的统计学研究的是假定样本数目趋于无穷大时的渐近理论,现有的机器学习方法大多是基于这个假设。然而在实际的问题中,样本数往往是有限的。现有的基于传统统计学的学习方法在有限样本的情况下难以取得理想的效果。统计学习理论是在有限样本情况下新建立起来的统计学理论体系,为人们系统地研究小样本情况下机器学习问题提供了有力的理论基础。支持向量机是在统计学习理论基础上开发出来的一种新的、非常有效的机器学习新方法。它较好地解决了以往困扰很多学习方法的小样本、非线性、过学习、高维数、局部极小点等实际问题,具有很强的推广能力。目前,统计学习理论和支持向量机作为小样本学习的最佳理论,开始受到越来越广泛的重视,正在成为人工智能和机器学习领域新的研究热点。本论文研究的主要内容包括以下几个方面:支持向量机算法、多输出支持向量回归、多类支持向量机分类、支持向量机算法以及支持向量分类和支持向量回归的应用。论文主要研究工作有: 1.标准的支持向量机算法,其最优分类超平面与正负两类是等距的,在处理一些特殊分类问题时,会存在不足。在对支持向量机算法进行研究和分析之后,提出了基于不等距分类超平面的支持向量机算法,并对算法进行了简要的理论推导和仿真。 2.支持向量回归算法是针对单输出回归问题提出的,对于多输出系统的回归估计,传统的方法是对各个输出独立地建立单输出支持向量回归模型,其缺点是忽略了各个输出之间实际存在的联系,并且不能保证各输出误差和最小化。针对这些问题,通过增加误差和约束条件,且在同一个优化公式中考虑所有输出的回归估计,提出了一种多输出支持向量回归算法,从而可以考虑到各个输出之间的联系,并能提高整个回归模型的回归估计精度。 3.支持向量机的训练算法需要解决一个大的二次规划最优化问题,传统的二次规划数学算法在求解大数据的二次规划问题时,需要巨大的内存空间,所以并不能


知网文化
【相似文献】
中国期刊全文数据库 前15条
1 吴君凤;;基于孪生支持向量机的民用航空发动机故障诊断[J];电子测量技术;2020年22期
2 叶黎明;陈素根;;基于粒子群算法的投影孪生支持向量机[J];淮北师范大学学报(自然科学版);2021年01期
3 吴英昊;申长新;;基于支持向量机的智能烟草市场监管模式探索摘要技术[J];数字技术与应用;2021年03期
4 崔丽珍;边泽山;;基于改进支持向量机的温室大棚温度预测[J];科技创新与应用;2020年10期
5 戴强;;基于属性约简—光滑支持向量机的中小企业信息化评价研究[J];软件工程;2020年07期
6 宋静;;基于稀疏孪生支持向量机的人脸识别[J];信息技术;2020年07期
7 马旭霞;;支持向量机理论及应用[J];科学技术创新;2019年02期
8 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
9 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
10 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
11 刘铭;吴朝霞;;支持向量机理论与应用[J];科技视界;2018年23期
12 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
13 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
14 丛瑞雪;;基于多分类支持向量机的评估模型研究[J];数学的实践与认识;2017年01期
15 饶浩;文海宁;林育曼;陈晓锋;;改进的支持向量机在微博热点话题预测中的应用[J];现代情报;2017年03期
中国重要会议论文全文数据库 前20条
1 朱小龙;张俊红;孙诗跃;林耕毅;张益铭;林杰威;;基于复杂性指标和光滑支持向量机的柴油机配气系统故障诊断方法[A];第十四届全国振动理论及应用学术会议(NVTA2021)摘要集[C];2021年
2 蓝小武;佟强;黄欣琰;王亮;;基于支持向量机核函数的智能辩识配电台区准确信息方法研究[A];用电与能效专题讲座暨智能用电及能效管理技术研讨会论文集[C];2019年
3 徐天扬;陈兰珍;;中红外光谱法结合支持向量机快速鉴别蜂蜜品种[A];21世纪第三届全国蜂业科技与海峡两岸蜂产业发展大会暨首届北京密云蜂产业发展高峰论坛论文集[C];2018年
4 郑春兵;;对装备使用维修费用预测方法的探索[A];寿命周期费用技术与协调发展[C];2010年
5 韩润繁;陈桂明;熊奇;高卫刚;;基于遗传算法和模拟退火算法并行优化支持向量机的武器装备费用估算[A];第十二届设备全寿命周期费用技术大会论文集[C];2018年
6 王梓笛;李双妹;李艳;尹延东;曹佳佳;张正勇;;基于拉曼光谱-支持向量机的乳制品快速智能鉴别技术研究[A];第21届全国分子光谱学学术会议暨2020年光谱年会论文集[C];2020年
7 熊浩;;基于支持向量机模型的快速公交行程时间算法对比研究[A];第十五届中国智能交通年会科技论文集(1)[C];2020年
8 李民策;王丽;李锡云;陈宗海;;基于支持向量机的电动汽车行驶工况识别方法[A];第21届中国系统仿真技术及其应用学术年会论文集(CCSSTA21st 2020)[C];2020年
9 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
10 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
11 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
12 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
13 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
14 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
15 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
16 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
17 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
18 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
19 戴林超;吴琳丽;赵海娜;李训铭;;基于最小二乘支持向量机的故障预测法[A];2009年中国智能自动化会议论文集(第六分册)[中南大学学报(增刊)][C];2009年
20 陈琳;黄杰;龚正虎;;一种基于支持向量机的抗噪声邮件分类方法[A];第二十一届中国数据库学术会议论文集(技术报告篇)[C];2004年
中国博士学位论文全文数据库 前20条
1 彭诗力;大规模混合数据分类的核方法研究[D];天津大学;2017年
2 肖雅静;基于支持向量机的滚动轴承故障诊断与预测方法研究[D];中国矿业大学(北京);2019年
3 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
4 唐发明;基于统计学习理论的支持向量机算法研究[D];华中科技大学;2005年
5 李海生;支持向量机回归算法与应用研究[D];华南理工大学;2005年
6 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
7 陈素根;非平行平面支持向量机及特征提取中若干问题研究[D];江南大学;2016年
8 王瑜;基于支持向量机和多信息融合的局部放电故障诊断研究[D];华北电力大学;2015年
9 黄景涛;支持向量机算法参数选择及其在电站锅炉系统中的应用研究[D];浙江大学;2005年
10 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
11 黄华娟;孪生支持向量机关键问题的研究[D];中国矿业大学;2014年
12 刘丽梅;基于支持向量机新算法的流程工业过程故障诊断方法研究[D];东北大学;2012年
13 徐红敏;基于支持向量机理论的水环境质量预测与评价方法研究[D];吉林大学;2007年
14 徐祥;大数据背景下支持向量机的随机坐标算法和鲁棒支持向量机研究[D];上海交通大学;2020年
15 陈立生;基于支持向量机的木材干燥预测控制技术[D];东北林业大学;2011年
16 陈爱军;最小二乘支持向量机及其在工业过程建模中的应用[D];浙江大学;2006年
17 程丽丽;支持向量机集成学习算法研究[D];哈尔滨工程大学;2009年
18 王快妮;支持向量机鲁棒性模型与算法研究[D];中国农业大学;2015年
19 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
20 刘京礼;鲁棒最小二乘支持向量机研究与应用[D];中国科学技术大学;2010年
中国硕士学位论文全文数据库 前20条
1 隋佳利;二分类问题的支持向量机算法研究[D];曲阜师范大学;2021年
2 杨雪;基于优化问题的非平行支持向量机研究[D];曲阜师范大学;2020年
3 李景灿;基于新型群智能优化的孪生支持向量机[D];中国矿业大学;2020年
4 白玉景;q阶正交模糊孪生支持向量机及其在股票预测中的应用[D];河北工程大学;2020年
5 张旭光;基于支持向量机的NBA赛事预测研究[D];新疆财经大学;2019年
6 李洁;基于结构信息的模糊多分类支持向量机算法研究[D];河北大学;2021年
7 叶黎明;投影孪生支持向量机若干问题研究[D];安庆师范大学;2021年
8 陈冰兰;基于支持向量机的信用评级研究[D];西南财经大学;2019年
9 秦启炜;基于特征关系的草图分类[D];大连理工大学;2019年
10 朱丽叶;基于特征工程应用的支持向量机对非寿险公司破产预测[D];西南财经大学;2019年
11 雍紫阳;集成二次曲面支持向量机在个人信贷风险评估中的应用[D];西南财经大学;2019年
12 张嘎;基于股市大小盘风格轮动效应的择时策略实证研究[D];浙江工商大学;2019年
13 刘佳;支持向量机在不平衡数据分类中的研究与应用[D];厦门大学;2019年
14 邓宜桐;基于支持向量机方法的股票回报率高低分类预测研究[D];华南农业大学;2018年
15 李江;基于支持向量机的股票量化择时策略研究[D];深圳大学;2019年
16 王旭峰;基于支持向量机与模糊贝叶斯方法的煤矿事故致因研究[D];中国矿业大学;2019年
17 杨学东;基于支持向量机的高光谱多类别分类研究[D];西安电子科技大学;2011年
18 梅新明;基于支持向量机的房颤识别研究及常见心律失常监护系统模型设计与实现[D];电子科技大学;2019年
19 王一帆;基于支持向量机和探地雷达技术的公路浅层病害检测研究[D];华北水利水电大学;2019年
20 司华清;基于支持向量机理论的风电预测算法研究[D];华北水利水电大学;2019年
中国重要报纸全文数据库 前20条
1 记者 韩世文;建设深度学习的“泰安样板”[N];中国教师报;2020年
2 袁超群 实习生 吴欣;带头学习理论提高执政能力[N];西安日报;2005年
3 记者 郭彬;着力改进学习方式 不断增强学习实效[N];沧州日报;2019年
4 本报记者 孙文娟;用好“精神粮仓” 争做“学习达人”[N];西藏日报(汉);2019年
5 本报记者 胡礼政;学习理论做榜样 脚踏实地当先锋[N];和田日报(汉);2019年
6 记者 陈明慧;省委举行学习报告会[N];新华日报;2019年
7 杨立勇 中央党校厅局班学员 湖南省委政研室副巡视员;按定律学习理论[N];学习时报;2018年
8 本报记者 张婧;学习理论 积累经验 共谱新篇[N];中国文化报;2018年
9 本报记者 张世光;“铁人”接班人个个爱学习[N];工人日报;2017年
10 实习记者 高君;市政协召开党组中心组(扩大)学习会议[N];忻州日报;2017年
11 记者 王悦良;市委办综合党支部举行专题学习讨论会[N];攀枝花日报;2017年
12 田鹏;学习理论激发动力[N];解放军报;2010年
13 本报评论员;学习理论打基础[N];沈阳日报;2013年
14 ;把学习理论同解决问题结合起来[N];六盘水日报;2009年
15 记者 孙欣欣;市政府召开党组中心组学习(扩大)会议[N];锦州日报;2019年
16 史胜林 夏洪涛;8670部队激发基层学习理论主动性[N];人民武警;2006年
17 特约记者 吴剑;中航二集团党组中心学习理论指导工作[N];中国航空报;2004年
18 记者 姜楠;学习理论 坚定信念[N];吉林日报;2009年
19 记者 刘玉珊;学习理论要结合本职工作[N];平顶山日报;2007年
20 ;坚持学习理论和指导实践相结合[N];人民日报;2003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