基于混合核函数的svm及其应用研究

《基于混合核函数的svm及其应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号；密级０５ＵＤＣ单位代巧１１１：＠乂是蘇事乂拿全日制学术型硕±研究生学位论文基于混合核函数的ＳＶＭ及其应用研究王立达指导教师＾申请学位类别理学硕±学科（专业）名称＾学位授予单位大连海事大学２０１６年３月分类号密级ＵＤＣ单化代码１０１５１大连海事大学硕±学位论文基于Ｍ合核画数的ＳＶＭ及其应用研究王立达指导教师刘巍职称教授学位授予单位大连海事大学申请学位类别理学硕±学科（专业）数学论文完成日期２

2、０１５年１２月答辩日期２０１６年３月答辩委员会主席ＲｅｓｅａｒｃｈａｎｄＡｌｉｃａｔｉｏｎｏｆＳＶＭｐｐＭ－Ｂａｓｅｄｏｎｆ；ｈｅｉｘｅｄｋｅｒｎｅｌＦｕｎｃｔｉｏｎＡｔ；ｈｅｓｉｓＳｕｂｍｉｔｔｅｄ化ＤａｌｉａｎＭａｒｉｔｉｍｅＵｎｉｖｅｒｓｉｔｙＩｎａｒｔｉａｌｆｕｌｆｉｌｌｍｅｎｔｏｆｔｈｅｒｅｕｉｒｅｍｅｎｔｓｆｏｒｔｈｅｄｅｒｅｅｏｆｐｑｇＭａｓ化ｒｏｆＳｃｉｅｎｃｅｂｙＷａｎＬｉｄａｇＭａ化ｅｍａｔｉｃｓ（）ＴｈｅｓｉｓＳｕｐｅｒｖ

3、ｉｓｏｒｒＰｒｏｆｅｓｓｏｒＬｉｕＷｅｉＭａｒｃｈ２０１６大连海事大学学位论文原创性声明和使用授权说明原创拴声明本人郑重声明：本论文是在导师的指导下，独立进行研究工作所取得的成果，＂＂撰写成硕±学化论义某于混合核函数的ＳＶＭ及其应用研究。除论文中已经注明引用的内容外，均己在，对论文的研究做出重要贡献的个人和集体文中Ｗ明确方式标明。本论文中不包含任何未加明确注明的其他个人或集体己经公开发表或未公开发表的成果。本声明的法律责任由本人承担。学位论文作者签名：学位论文版权使用授权书本学位论文作者及指导教师

4、完全了解大连海事大学有关保留、使用研究生学目位论文的规定：，Ｐ大连海事大学有权保留并向国家有关部口或机构送交学位论文的复印件和电子版，允许论文被查阅和借阅。本人授权大连海事大学可＾＾１将本学位论文的全部或部分内容编入有关数据库进行检索，也可采用影印、缩印或扫描等复制手段保存和汇编学位论文。同意将本学位论文收录到《中国优秀博硕±学位论文全文数据库》（中国学术期刊（光盘版）电子杂志社）、《中国学位论文全文数据库》（中国科学技术信息研究所）等数据库中，并Ｗ电子出版物形式出版发行和提供信息服务。。保密的论文在解密后遵守此

5、规定：保密□在解密后适用本授权书。本学位论文属于年＂＂不保密□（请在Ｗ上方框内打Ｖ）论文作龍名：占导师签名：矣曰期：皮／知３月，《曰中文摘要摘要ｎ一支持向量机（ＳＶＭ）是由Ｖａｉｋ提出的基于统计学习理论的种分类方法ｐ，一一个高维特征空间使低维特征空间经过种非线性转换得到，最优分类超平面即可在转变到这个新的空间中求解，由此将不可分问题转化为可分问题。在解决类似小样本、高维数、非线性等众多实际问题中ＳＶＭ表现了很强的优势，这种方法在机器学习中占有着非常重要的地位。核函数作为支持向量机的核也，支持向

6、量机的性能表现受到不同的核函数的一直接影响，提高核函数性能成为研究支持向量机工作中的核也问题之。ＳＶＭ及本文首先介绍了支持向量机理论和核函数理论，通过对核函数性质的研巧并在不同数据集上测试四种常用核函数（线性核画数、高斯核函数、多项式、ｓｉｍｏｉｄ核函数ｇ核函数）的性能，选择较优的两种或多种核函数进行组合构造新的混合核函数，然后利用遗传算法这种人工智能学习算法对混合核函数中核权重系数及核参数进行自动化优化，同时测试混合核函数ＳＶＭ在不同数据集上的性能，并与单核测试数据结果进行分析比较，得出结论，验证混合核函数支持向量

7、机的实用性。在文章最后对全文研究工作进行了概况总结，需要研巧探讨的问题也得到了进一步的提出。关键词：：支持向量化；巧函数；核参巧；遗传舞法；分类；英文摘要ＡＢＳＴＲＡＣＴＳｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ（ＳＶＭ）ｉｓａｃｌａｓｓｉｆｉｃｍｅｔｈｏｄｂａｓｅｄ０打ｓｔａｔｉｓｔｉｃａｌｌｅａｒｎｉｎｇｔｈｅｏｒｙ，ｉｔｉｓｐｕｔｆｏｒｗａｒｄｂｙＹａｐｎｉｋ，Ｍａｋｅｔｈｅｌｏｗｅｒｄｉｍｅｎｓｉｏｎａｌｆｅａｔｕｒｅｓｐａｃｅｔｈｒｏｕｇｈ过ｎｏｎｌｉｎ

8、ｅａｒｔｒａｎｓｆｏｒｍａｔｉｏｎ化ｇｅｔａｈｉｇｈ姐ｍｅｎｓｉｏｎａｌｆｅａｔｕｒｅｓｐａｃｅｔｈｅｎｌｏｏｋｉｎｇｆｂｒｔｈｅ