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若干问题的研究

常甜甜  
【摘要】:支持向量机(SVM)是一种以统计学习理论为基础的数据挖掘新方法.随着统计学习理论的发展,SVM在理论和应用方面都得到了迅速地发展和完善.SVM具有较高的推广能力和解的全局最优性,在解决小样本问题、非线性问题以及高维数据等问题中表现出许多特有的优势,已被广泛应用于处理预测、数据拟合、综合评价以及模式识别等诸多问题中. 目前国际上支持向量机的理论研究和实际应用两方面都正处于飞速发展阶段.如何提高分类器的性能、速度、以及处理数据的范围等问题始终是研究者研究的目标. 本文主要从机器学习的角度对支持向量机分类、聚类、集成、以及核函数等方面进行研究,对支持向量机算法进行修正,旨在提高支持向量机性能以及处理更为广泛的数据类型.本文主要内容如下: 1.支持向量机分类问题研究.针对多源数据分类问题,提出分组特征多核SVM.该方法将不同源的数据进行分组,每组特征分别采用不同的核函数,将这些核函数的凸组合作为新的核函数,并将基于该新核的SVM问题转化为半定规划问题来求解.实验结果表明,该方法可以有效地提高分类器的检测性能. 2.支持向量机聚类问题研究.针对支持向量机聚类算法(SVMC)只可以聚集两个类簇的问题,提出多类支持向量机聚类(Multi-Class SVMC)算法.该方法在二分类支持向量机聚类的基础上采用一对多(OAA)策略,将SVMC推广到多类簇问题;此外针对Multi-Class SVMC算法需要预先定义聚类数目的问题,提出分级支持向量机聚类(Hierarchical SVMC)算法.该算法是将数据随机标记为两类,然后采用迭代的方法修正标记,直到标记变得稳定为止.数据被分为两个类簇,基于这两个类簇分别继续采用SVMC算法将类簇向下分裂,直到满足终止条件.与传统的支持向量聚类相比,多类支持向量机聚类和分级支持向量机聚类具有简单易行、速度快、聚类效果好的优点. 3.大规模支持向量机算法研究.针对大规模数据分类问题,提出局部差异性自适应推进支持向量机集成算法.该方法将数据平均分成若干块,基于这些子块分别采用差异性自适应推进支持向量机算法.通过网格搜索法调节支持向量机的核参数和惩罚因子将强分类器SVM弱化,再将弱化后的SVM采用自适应推进算法推进为强分类器,最后将局部模型采用投票的方法集成.实验结果表明,局部差异性自适应推进支持向量机在不降低分类器性能的同时可以有效地处理大规模数据分类问题. 4.支持向量机集成算法研究.针对支持向量机集成问题,提出多模式扰动支持向量机集成算法.采用自举法对训练样本有放回采样,得到若干子样本集合,在每一个子样本上采用多模式扰动的方法以增加成员分类器的精度以及成员分类器之间的差异性.首先为增加成员分类器间的差异性,在特征扰动方面采用主成分分析法降维;其次为增加成员分类器的精度,在训练模型过程中每个子集通过自动模型选择采用不同的最优参数产生参数扰动;最后是输出扰动,用成员分类器的精度值对输出结果加权,以增大高精度成员分类器对集成结果的影响.与单模式扰动方法相比,该多模式扰动的方法可以提高支持向量机集成性能. 5.约减支持向量机分类算法研究.约减子集的选择是约减支持向量机性能的关键影响因素.针对约减子集的选择问题,提出基于噪声的空间密度聚类算法的矩形核支持向量机(DBSCAN-RSVM)该方法采用DBSCAN聚类方法对样本聚类,用聚类得到的核数据作为矩形核的约减子集,并将该矩形核支持向量机转化为光滑支持向量机问题来求解.与传统约减支持向量机、K均值约减支持向量机、以及传统SVM相比,该DBSCAN-RSVM具有更好的检测性能.


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 张铃;支持向量机理论与基于规划的神经网络学习算法[J];计算机学报;2001年02期
2 阎辉,张学工,李衍达;支持向量机与最小二乘法的关系研究[J];清华大学学报(自然科学版);2001年09期
3 朱国强,刘士荣,俞金寿;支持向量机及其在函数逼近中的应用[J];华东理工大学学报;2002年05期
4 侯风雷,王炳锡;基于支持向量机的说话人辨认研究[J];通信学报;2002年06期
5 马永军,方凯,刘暾东,方廷健;基于支持向量机和方差的管道内表面粗糙度等级识别[J];信息与控制;2002年05期
6 吴飞,庄越挺,潘云鹤;基于增量学习支持向量机的音频例子识别与检索[J];计算机研究与发展;2003年07期
7 孙延风,梁艳春;支持向量机的数据依赖型核函数改进算法[J];吉林大学学报(理学版);2003年03期
8 朱永生,张优云;支持向量机分类器中几个问题的研究[J];计算机工程与应用;2003年13期
9 朱家元,吴伟,张恒喜,董彦非;一种新型的多元分类支持向量机[J];计算机工程;2003年17期
10 饶鲜,董春曦,杨绍全;应用支持向量机实现计算机入侵检测[J];西安电子科技大学学报;2003年03期
11 周志明,陈敏;支持向量机的人脸识别方法[J];咸宁学院学报;2003年03期
12 赵洪波;赵丽红;;支持向量机学习算法—序列最小优化(SMO)[J];绍兴文理学院学报(自然科学版);2003年04期
13 吴成东,杜崇峰,杨丽英;基于误差修正码的支持向量机大类别分类方法[J];沈阳建筑工程学院学报(自然科学版);2004年01期
14 张健,李艳,朱学峰,黄道平,史步海;基于支持向量机的蒸煮过程卡伯值软测量[J];计算机测量与控制;2004年02期
15 张辉,张浩,陆剑峰;SVM在数据挖掘中的应用[J];计算机工程;2004年06期
16 樊可清,倪一清,高赞明;基于频域系统辨识和支持向量机的桥梁状态监测方法[J];工程力学;2004年05期
17 吴静,周建国,晏蒲柳;支持向量机在网络故障诊断中的应用研究[J];计算机工程;2004年22期
18 李忠伟,张健沛,杨静,张福顺;基于支持向量机的虚拟企业伙伴选择方法研究[J];计算机应用研究;2004年12期
19 李昆仑,黄厚宽,田盛丰,刘振鹏,刘志强;模糊多类支持向量机及其在入侵检测中的应用[J];计算机学报;2005年02期
20 唐发明,王仲东,陈绵云;一种新的二叉树多类支持向量机算法[J];计算机工程与应用;2005年07期
中国重要会议论文全文数据库 前10条
1 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
2 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
3 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
4 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
5 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
6 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
7 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
8 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
9 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
10 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
中国博士学位论文全文数据库 前10条
1 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
2 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
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 王开义;基于支持向量机的农产品生产关键控制点发现研究[D];北京工业大学;2011年
7 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
8 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
9 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
10 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
中国硕士学位论文全文数据库 前10条
1 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
2 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
3 童振;基于支持向量机的电解液成分预测[D];东北大学;2008年
4 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
5 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
6 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
7 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
8 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
9 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
10 张永新;基于支持向量机和遗传算法相结合的模拟电路故障诊断方法研究[D];东北大学;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 李水根;计算机详解配伍与药效关系[N];健康报;2005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 耿挺;蛋白质功能算出来[N];上海科技报;2007年
9 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
10 本报记者 冯治恩;敢与“雷公”试比高[N];铜川日报;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