收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

支持向量机算法及其应用研究

张国云  
【摘要】: 基于统计学习理论的支持向量机算法具有坚实的数学理论基础和严格的理论分析,具有理论完备、全局优化、适应性强、推广能力好等优点,是机器学习中的一种新方法和研究新热点。它使用结构风险最小化原则,综合了统计学习、机器学习和神经网络等方面技术,在最小化经验风险的同时,有效地提高了算法泛化能力。它与传统的机器学习方法相比,具有良好的潜在应用价值和发展前景。 本文分析和总结了现有的几种典型支持向量机算法,提出了基于组合式多类别分类器思想的PCA支持向量机算法、加权PCA支持向量机算法、借鉴核函数方法的小波支持向量机算法、RS-SVM动态预测方法、模糊二叉树支持向量机等算法,对其算法性能和应用作了深入研究。主要工作包括: 1.系统地研究了支持向量机的求解方法。主要有支持向量机的二次规划求解法、选块法、分解法、序列最小优化方法、基于Lagrange函数的迭代求解方法即Lagrange支持向量机、基于Smoothing处理的牛顿求解方法。这些方法是通过求解凸二次规划问题或将大规模问题转化成若干子问题再求解凸二次规划问题,或者是转化为无约束最优化问题再利用比较成熟的最优化方法求解。通过对它们的分析,为提出新的支持向量机算法提供了理论基础。 2.研究了基于L_p范数分类间隔的三种支持向量机。重点研究了L_1范数支持向量机在线性和非线性两种情形下的算法理论和实现,分析了采用L_p范数度量分类间隔的L_p范数支持向量机最优化问题表示方法。在高维特征空间中,L_1范数支持向量机表现出了较好的特征压缩效果,而且可以节省测试计算时间。 3.研究了PCA支持向量机及扩展算法。提出了PCA支持向量机组合式分类方法,解决了传统支持向量机不能进行特征变换的预处理问题。提出了加权PCA支持向量机算法,较好地解决了样本数目的不平衡对分类性能所带来的影响。其次,借鉴核函数思想,构造了一种核PCA(Kernel PCA)方法并用于特征变换,通过与支持向量机组合成为一种新的具有特征变换功能的Kernel PCA支持向量机分类算法。三种新的组合式支持向量机算法均可用于需消除噪声情形的模式识别问题。 4.在研究支持向量核函数条件的基础上,构造了一种基于小波核函数的小波支持向量机。分析了算法的收敛性、通用性和泛化能力。该算法扩充较为容易,实验结果表明小波支持向量机算法具有比较理想的函数逼近能力。 5.研究了基于支持向量机的系统辨识理论和方法。提出了一种适用于回转窑烧结温度检测的RS-SVM动态预测新方法,取得了较好的预测效果。对最小二乘


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 张燕昆,杜平,刘重庆;基于主元分析与支持向量机的人脸识别方法[J];上海交通大学学报;2002年06期
2 杨世元;吴德会;苏海涛;;基于PCA和SVM的控制图失控模式智能识别方法[J];系统仿真学报;2006年05期
3 郑小霞;钱锋;;基于PCA和最小二乘支持向量机的软测量建模[J];系统仿真学报;2006年03期
4 于春梅;杨胜波;陈馨;张洪才;;SVM和基于PCA、PLS的SVM在非线性辨识中的比较研究[J];计算机应用研究;2007年06期
5 刘路;王太勇;蒋永翔;支劲章;;结合FCM和SVM的纹理分割算法[J];计算机工程与应用;2008年33期
6 李兰兰;崔连延;李娜;;基于主元分析与支持向量机超参数调节的人脸识别研究[J];电脑知识与技术;2008年36期
7 马志强;常发亮;田伟;赵瑶;;彩色图像中的人脸检测方法[J];山东大学学报(工学版);2007年04期
8 杨海荣;薄翠梅;龚伟俊;张广明;;基于PCA-SVM集成阀门故障诊断方法研究[J];流体机械;2009年07期
9 陈颉;朱福喜;;基于支持向量机的两阶段模糊聚类在视频检索中的应用[J];计算机科学;2009年06期
10 蒋少华;桂卫华;阳春华;唐朝晖;彭涛;;基于主元分析与支持向量机的方法及其在过程监控诊断中的应用[J];弹箭与制导学报;2007年05期
11 马晓燕;杨国胜;范秋凤;王应军;;基于Gabor小波和支持向量机的人脸识别算法中若干问题研究[J];计算机与现代化;2007年04期
12 杨希;钱锋;张兵;;基于核函数主元分析的SVM建模方法及应用[J];华东理工大学学报(自然科学版);2007年02期
13 吴德会;王晓红;;基于PCA-SVM的柴油凝点近红外光谱软测量法[J];自动化仪表;2007年05期
14 张良春;夏利民;石华玮;;基于模糊聚类支持向量机的高速公路事件检测[J];计算机工程与应用;2007年17期
15 雷松泽;郝重阳;齐敏;;基于梯度的ROI提取及人耳检测[J];微型电脑应用;2009年01期
16 唐晓芬;;几种模式识别方法在数字水印中的应用方式[J];电脑与信息技术;2007年05期
17 李学华;莫智文;舒兰;;KPL特征提取在心电识别中的应用研究[J];微计算机信息;2009年27期
18 高阳;廖广兰;曹艳波;史铁林;;基于SVM的刻蚀工艺失效状态识别[J];华中科技大学学报(自然科学版);2011年07期
19 李春花;凌贺飞;卢正鼎;;基于支持向量机的小波域自适应水印算法[J];华中科技大学学报(自然科学版);2007年10期
20 邹国平;虞安军;黄铮;;基于SVM和小波边缘检测的车型图像识别[J];交通标准化;2007年11期
中国重要会议论文全文数据库 前10条
1 崔桂梅;鄢常亮;马祥;;基于核主元分析和支持向量机的高炉向凉、向热故障诊断[A];中国计量协会冶金分会2010年会论文集[C];2010年
2 蒋少华;桂卫华;阳春华;唐朝晖;蒋朝辉;;基于主元分析与支持向量机的方法及其在密闭鼓风炉过程监控诊断中的应用[A];第二十七届中国控制会议论文集[C];2008年
3 李巍华;刘雯;;基于主元分析和直推式支持向量机的齿轮早期故障诊断[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
4 肖江;蒋爱平;;基于PCA的SVM故障诊断方法研究与应用[A];全国先进制造技术高层论坛暨制造业自动化、信息化技术研讨会论文集[C];2005年
5 肖江;蒋爱平;;基于PCA的SVM故障诊断方法研究与应用[A];第十届全国信息技术化工应用年会论文集[C];2005年
6 周林成;杨慧中;;多分辨率小波支持向量机在化工数据建模中的应用[A];2007中国控制与决策学术年会论文集[C];2007年
7 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
8 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
9 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
10 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
中国博士学位论文全文数据库 前10条
1 张国云;支持向量机算法及其应用研究[D];湖南大学;2006年
2 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
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 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
5 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
6 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
7 燕忠;基于蚁群优化算法的若干问题的研究[D];东南大学;2005年
8 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
9 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
10 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
中国硕士学位论文全文数据库 前10条
1 李园;基于模糊聚类的支持向量机的分类算法研究[D];哈尔滨工程大学;2005年
2 金诚;基于神经网络集成的入侵检测技术[D];哈尔滨理工大学;2009年
3 张云;支持向量机在医学数据分析中的应用[D];大连理工大学;2008年
4 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
5 马朝阳;基于支持向量机的工业数据挖掘技术研究[D];浙江大学;2006年
6 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
7 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
8 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
9 童振;基于支持向量机的电解液成分预测[D];东北大学;2008年
10 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
中国重要报纸全文数据库 前10条
1 ;国美新拓展计划欲规范数码市场[N];中国电子报;2004年
2 少虹;正确掌握数据修复 轻松防范数据灾难[N];科技日报;2004年
3 杨晓莹;“看板管理”规范数控设备操作[N];经理日报;2004年
4 蒋 锐;步履蹒跚迎两会[N];证券日报;2005年
5 天锐船若 蒋锐;破千后六月低点将形成[N];证券日报;2005年
6 蒋 锐;反攻力度是关键[N];证券日报;2003年
7 蒋 锐;半仓策略很关键[N];证券日报;2004年
8 蒋 锐;杀跌动力还有[N];证券日报;2004年
9 蒋 锐;漫漫熊势底不远[N];证券日报;2005年
10 蒋 锐;宽幅震荡 逢低建仓[N];证券日报;2004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