收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

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20条
1 经玲,孙立;基于支持向量回归的供应链合作伙伴核心竞争力评价[J];微电子学与计算机;2005年08期
2 曹星平;;支持向量机在武器系统效能评估中的应用[J];系统仿真学报;2008年24期
3 杨玫;郭天杰;陈青华;;基于经验模式分解的时间序列预测方法研究[J];计算机技术与发展;2011年07期
4 王平;王文剑;;基于时序核函数的支持向量回归机[J];计算机辅助工程;2006年03期
5 苑敏;杨奎河;;基于支持向量机理论的多类分类算法[J];福建电脑;2007年02期
6 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
7 姚程宽;;SVM在不平衡样本集中的应用研究[J];计算机与数字工程;2007年10期
8 范秋凤;陈彦涛;;支持向量机及其应用研究[J];科技信息;2009年29期
9 谢长菊;;支持向量机新模型及其参数特性研究[J];计算机仿真;2010年04期
10 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
11 焦巍;王雪梅;刘光斌;;应用SVR的陀螺漂移误差系数预测[J];弹箭与制导学报;2005年SA期
12 张国宣,孔锐,施泽生,郭立;一种新的基于聚类的SVM迭代算法[J];仪器仪表学报;2004年S1期
13 李毅;徐守时;;基于支持向量机的遥感图像舰船目标识别方法[J];计算机仿真;2006年06期
14 胡国胜;支持向量机算法及应用[J];现代电子技术;2005年03期
15 邓蕊;马永军;刘尧猛;;基于改进交叉验证算法的支持向量机多类识别[J];天津科技大学学报;2007年02期
16 王书舟;伞冶;;支持向量机的训练算法综述[J];智能系统学报;2008年06期
17 姬水旺,姬旺田;支持向量机训练算法综述[J];微机发展;2004年01期
18 张前进;;基于支持向量机回归的电力负荷预测研究[J];航空计算技术;2006年04期
19 林长方;;支持向量机及其应用研究[J];和田师范专科学校学报;2010年05期
20 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
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 荣海娜;张葛祥;张翠芳;;基于支持向量机的非线性系统辨识方法[A];中国自动化学会、中国仪器仪表学会2004年西南三省一市自动化与仪器仪表学术年会论文集[C];2004年
3 常涛;;支持向量机在大气污染预报中的应用研究[A];中国气象学会2006年年会“大气成分与气候、环境变化”分会场论文集[C];2006年
4 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
5 刘耀年;王浩;何昌浩;何萍;;基于支持向量回归机的短期电力负荷预测[A];第十届全国电工数学学术年会论文集[C];2005年
6 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
7 张国宣;孔锐;施泽生;郭立;;一种新的基于聚类的SVM迭代算法[A];第二届全国信息获取与处理学术会议论文集[C];2004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 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
10 李升娟;杨宗尧;于飞;刘喜梅;;基于支持向量机的系统辨识及应用研究[A];全国炼钢连铸过程自动化技术交流会论文集[C];2006年
中国博士学位论文全文数据库 前10条
1 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
2 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
3 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
4 李忠伟;支持向量机学习算法研究[D];哈尔滨工程大学;2006年
5 谭显胜;支持向量回归解释性体系的建立及应用[D];湖南农业大学;2010年
6 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
7 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
8 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
9 张永;基于模糊支持向量机的多类分类算法研究[D];大连理工大学;2008年
10 梁力文;基于支持向量机的小波滤噪短波近红外光谱在药品定量分析中的研究[D];吉林大学;2009年
中国硕士学位论文全文数据库 前10条
1 韦忠升;支持向量机算法研究及其在智能交通系统中的应用[D];天津大学;2006年
2 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
3 胡艳国;支持向量机的研究与应用[D];南昌大学;2007年
4 刘胜利;基于SVM的网络入侵检测研究[D];大连海事大学;2004年
5 杜晓东;基于支持向量机的数据挖掘方法[D];山东大学;2005年
6 王李东;基于支持向量机(SVM)的短期负荷预测的研究[D];华中科技大学;2005年
7 蒋琳琼;基于支持向量机的货币识别研究[D];中南大学;2007年
8 滕文凯;支持向量机反问题及其解法[D];河北大学;2005年
9 詹超;支持向量机在基因表达数据分类中的研究[D];武汉理工大学;2006年
10 马洁;基于支持向量机的股市预测问题研究[D];天津大学;2006年
中国重要报纸全文数据库 前10条
1 李水根;计算机详解配伍与药效关系[N];健康报;2005年
2 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
3 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
4 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
5 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
6 ;选择合适的数据挖掘算法[N];计算机世界;2007年
7 周颖;王米渠与中医心理学[N];中国中医药报;2006年
8 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
9 本报记者 冯治恩;敢与“雷公”试比高[N];铜川日报;2008年
10 记者 耿挺;蛋白质功能算出来[N];上海科技报;2007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