收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

几类支持向量机变型算法的研究

杜喆  
【摘要】: 统计学习理论是一种基于小样本的机器学习理论,经过几十年的发展,目前已经形成了一套比较完整的理论体系.支持向量机是在此理论基础之上提出来的一种新机器学习方法.它根据结构风险最小化原则,通过核函数在一个高维特征空间中构造最优线性决策函数,避免了维数灾难,且可达到全局最优解,具有较高的泛化能力.由于支持向量机具有良好的性能,已经被广泛地应用于模式分类,函数逼近和密度估计等问题,日益受到学者们的广泛关注,其理论研究、算法实现和应用方面都取得了重大进展,成为机器学习领域的热点课题. 为了降低标准支持向量机的计算复杂度,提高其学习速度和泛化能力,本文主要研究几类支持向量机变型算法的理论及其应用,主要内容如下: 一、对目前支持向量机的研究现状做了综述,然后简要地介绍了支持向量机的相关基本知识. 二、研究一类基于核最小平方误差的支持向量机变型算法.首先给出最小二乘支持向量机的分类几何解释;其次将用于分类问题的临近支持向量机推广到回归问题上,提出临近支持向量回归机,并给出一种基于Cholesky分解的快速算法,此外证明了新模型对分类问题和回归问题的模型等价性;然后结合最小二乘支持向量机和临近支持向量机的优点,提出直接支持向量机,该模型可同时适应于分类问题和回归问题,且求解更简单,训练速度快,泛化能力也未降低.该模型与最小二乘支持向量机相比,增强了问题的凸性,保证得到的解全局最优;与临近支持向量机相比,修正了线性与非线性模型不统一的缺点,测试速度更快.最后通过数值实验验证了上述研究的可行性和有效性. 三、首先理论上证明了模糊支持向量机模型与多惩罚因子支持向量机的等价性,提供了将模糊支持向量机隶属度参数作为模型选择参数进行自适应求解的理论依据;然后针对模糊支持向量机的隶属度设计方法,分别基于支持向量机分类面与样本的几何分布关系和基于支持向量机分类的本质,提出两种更合理的新隶属度设计方法,通过数值实验验证了这两种方法的有效性,并与现有一些方法进行了比较研究. 四、研究二次损失函数的模糊支持向量机泛化能力.首先给出二次损失函数模糊支持向量机的数学模型,然后证明其等价于带有新核函数的硬间隔支持向量机,将模糊隶属度参数转化为新核函数的参数;其次将硬间隔支持向量机的四种泛化能力估计方法,推广到二次损失函数模糊支持向量机;最后通过理论分析和数值实验系统地比较它们的估计性能,得到对于二次损失函数的模糊支持向量机最好的泛化能力估计界,为后期的模型选择奠定基础. 五、研究了双惩罚因子的二次损失函数支持向量机的模型选择及其应用.将二次损失函数支持向量机应用于乳腺癌X线影像病灶点的识别,针对问题中两类数据的不均衡性,对其采用不同的惩罚因子,然后根据前面的研究结果,通过最小化泛化错误率上界,给出一种自动确定模型参数的方法.最后通过对X线影像中的肿块检测和钙化簇检测实验,验证了该方法不但有效,而且可达到更好的泛化精度.


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 唐浩;廖与禾;孙峰;谢航;;具有模糊隶属度的模糊支持向量机算法[J];西安交通大学学报;2009年07期
2 欧卫华;刘建国;孙勇;;一种改进的支持向量机及其应用[J];计算技术与自动化;2009年01期
3 裴学华;许磊;李朝峰;;边缘效应训练的模糊支持向量机及应用[J];微计算机信息;2006年16期
4 朱志宇;张冰;刘维亭;;基于模糊支持向量机的语音识别方法[J];计算机工程;2006年02期
5 赵海涛;魏延;赖敏;陈守刚;;基于模糊支持向量机的中文垃圾邮件过滤方法[J];成都大学学报(自然科学版);2010年02期
6 朱志宇;张冰;刘维亭;;模糊支持向量机在船舶柴油机故障诊断中的应用[J];中国造船;2006年03期
7 刘三阳;杜喆;;一种改进的模糊支持向量机算法[J];智能系统学报;2007年03期
8 路远;吴清江;;基于模糊支持向量机的步态身份识别研究[J];福建电脑;2009年01期
9 张金泽,单甘霖;模糊超球支持向量机[J];军械工程学院学报;2005年03期
10 刘太安;梁永全;薛欣;;一种新的模糊支持向量机多分类算法[J];计算机应用研究;2008年07期
11 魏延;石磊;陈琳琳;;基于后验概率加权的模糊支持向量机[J];重庆工学院学报(自然科学版);2009年08期
12 王国鹏,翟永杰,封官斌,王东风;模糊支持向量机在汽轮机故障诊断中的应用[J];华北电力大学学报;2003年04期
13 张石清;;基于模糊支持向量机的语音情感识别[J];台州学院学报;2006年06期
14 路远;;基于模糊支持向量机的步态识别[J];计算机工程;2009年21期
15 杜树新,吴铁军;模式识别中的支持向量机方法[J];浙江大学学报(工学版);2003年05期
16 林继鹏,刘君华;基于小波基的SVM多气体融合[J];吉林大学学报(信息科学版);2005年04期
17 赵辉,刘鲁源,张更新;基于复合适应度微粒群算法的神经网络训练[J];控制与决策;2005年08期
18 林继鹏,刘君华;基于小波的支持向量机算法研究[J];西安交通大学学报;2005年08期
19 韩敏,范迎南,孙燕楠;改进的模糊神经网络应用于投标报价[J];系统工程理论方法应用;2005年05期
20 沈艳军,汪秉文,张林国;多输出神经元模型的MFNN带正则化因子RLS算法[J];计算机应用与软件;2005年11期
中国重要会议论文全文数据库 前10条
1 于湘涛;周峰;张兰;魏超;;基于SVM和田口方法的石英挠性加速度计健壮性设计[A];质量——持续发展的源动力:中国质量学术与创新论坛论文集(下)[C];2010年
2 吕卓;谢松云;赵金;赵海涛;;基于SVM的手部运动fMRI图像分类方法研究[A];中国生物医学工程学会成立30周年纪念大会暨2010中国生物医学工程学会学术大会青年优秀论文[C];2010年
3 ;A Tool Wear Predictive Model Based on SVM[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年
4 王红伟;董慧;;一种提高SVM分类精度的调制信号识别方法[A];2010年西南三省一市自动化与仪器仪表学术年会论文集[C];2010年
5 ;Improved Particle Swarm Optimized SVM for Short-term Traffic Flow Predication[A];第二十六届中国控制会议论文集[C];2007年
6 ;A CDMA Signal Receiver Based on LS-SVM[A];第二十六届中国控制会议论文集[C];2007年
7 司爱威;冯辅周;江鹏程;饶国强;王建;;基于可变风险SVM模型的故障识别方法研究[A];第十届全国振动理论及应用学术会议论文集(2011)上册[C];2011年
8 宋鑫颖;周志逵;;一种基于SVM的主动学习文本分类方法[A];第二十三届中国数据库学术会议论文集(技术报告篇)[C];2006年
9 邵杰;叶宁;容亦夏;;基于SVM的多波束测深数据滤波[A];第二十九届中国控制会议论文集[C];2010年
10 张睿;陈雪;马建文;;基于递归SVM的高光谱数据特征选择算法研究[A];第八届成像光谱技术与应用研讨会暨交叉学科论坛文集[C];2010年
中国博士学位论文全文数据库 前10条
1 杜喆;几类支持向量机变型算法的研究[D];西安电子科技大学;2009年
2 武海巍;核函数与仿生智能算法在林下参光环境评价系统中的研究[D];吉林大学;2012年
3 渠瑜;基于SVM的高不平衡分类技术研究及其在电信业的应用[D];浙江大学;2010年
4 申丰山;样例权重估计及在此基础上的SVM[D];西安电子科技大学;2011年
5 宋国明;基于提升小波及SVM优化的模拟电路智能故障诊断方法研究[D];电子科技大学;2010年
6 张婧;基于SVM的肺结节自动识别方法研究[D];华南理工大学;2011年
7 陈慧灵;面向智能决策问题的机器学习方法研究[D];吉林大学;2012年
8 刘海峰;结构静力重分析中若干问题的研究[D];吉林大学;2010年
9 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
10 许敏强;基于话者统计特征和SVM的文本无关话者确认研究[D];中国科学技术大学;2011年
中国硕士学位论文全文数据库 前10条
1 邓昌葛;基于SVM的图像内容检索研究[D];中国科学技术大学;2010年
2 姜龙生;基于MFCC和小波包变换及模糊SVM的飞机舱音识别[D];南京航空航天大学;2011年
3 高锦;基于SVM的图像分类[D];西北大学;2010年
4 秦攀攀;基于最小二乘支持向量机方法的复杂人机系统操作员功能状态建模与预测[D];华东理工大学;2011年
5 杨飞;基于SVM的煤炭销售分析预测系统的研究[D];太原科技大学;2011年
6 李信;基于SVM的变压器油色谱故障预测与诊断[D];华北电力大学(河北);2010年
7 严会霞;基于SVM的眼动轨迹解读思维状态的研究[D];太原理工大学;2010年
8 吴迪;基于SVM分类器的分步定位算法研究[D];哈尔滨工业大学;2010年
9 杨焕;基于Basic-N-Units特征的SVM方法预测MicroRNA[D];吉林大学;2010年
10 曾玉祥;盲抽取与SVM方法在地球化学异常下限提取中的应用[D];成都理工大学;2010年
中国重要报纸全文数据库 前7条
1 郭涛;利用SVM虚拟化技术实现容灾[N];中国计算机报;2008年
2 本报记者 韩露;乱军之中智者胜[N];证券时报;2000年
3 ;基于网络层的存储虚拟化是主流[N];中国计算机报;2008年
4 本报记者 郭平;LSI发布新存储虚拟化管理器[N];计算机世界;2008年
5 王琨月;存储虚拟化市场的博弈[N];网络世界;2008年
6 刘;LSI Engenio 7900存储面向中端客户[N];电脑商报;2008年
7 本报记者 余建斌;机器学习与互联网搜索[N];人民日报;2011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