基于鲁棒性的支持向量机增量学习的研究

《基于鲁棒性的支持向量机增量学习的研究》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TP399学校代码10495ＵＤＣ004.9密级公开硕士学位论文基于鲁棒性的支持向量机增量学习的研究作者姓名：李鲁英学号：1515063006指导教师：同小军教授学科门类：理学专业：计算机科学与技术研究方向：机器学习与模式识别完成日期：二零一八年六月WuhanTextileUniversityM.E.DissertationResearchonincrementallearningofsupportvectormachinebasedonRobustnessCandidate：LiLuyingSupervisor：Prof.To

2、ngXiaojunTime:June2018独创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究作出重要贡献的个人和集体，均已在文中以明确方式标明。本声明的法律结果由本人承担。学位论文作者签名：签字日期：年月日学位论文版权使用授权书本学位论文作者完全了解武汉纺织大学有关保留、使用学位论文的规定。特授权武汉纺织大学可以将学位论文的全部或部分内容编入有关数据库进行检索，并采用影印、缩印或扫描等复制手段

3、保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。（保密的学位论文在解密后适用本授权说明）学位论文作者签名：导师签名：签字日期：年月日签字日期：年月日摘要支持向量机（SupportVectorMachine，SVM）是在20世纪90年代由Vapnik提出的，最初的支持向量机是为了解决小样本的数据，经过多年的发展，支持向量机在回归分析领域被广泛应用，并被用在了人脸识别、手写数字分类等特征识别领域。但是，随着科技的发展，传统的支持向量机已经无法满足当前大规模数据量的分类，为了更好的适用于大规模的数据分类，支持向

4、量机增量学习算法应运而生。支持向量机增量学习通过不断加入新的样本集，不断的调整支持向量集和分类超平面，能够更好的提取样本集的特征集，使得分类效果更好，但是在增量学习的过程中会存在以下问题，由于支持向量的数量会随着增量样本的增加而增加，所以，会导致分类器在分类的时候有误差；如果舍弃部分对分类超平面没有影响的向量，在此后的训练中，这部分向量可能会成为支持向量，这样也会对分类效果产生影响。本文采用基于模糊C均值聚类和中心密度的支持向量机增量学习算法，利用模糊C均值聚类判定支持向量，得出精选支持向量集；利用中心密度比值判定非支持向量得出精选非

5、支持向量集。分别将原样本中构建分类超平面得出的支持向量集加上增量样本中的支持向量集构建分类器，将原样本中的精选支持向量集和增量学习样本中的支持向量集，将原样本中的支持向量集和精选非支持向量集加上增量样本中的精选支持向量集和精选非支持向量集构建分类器，将原样本中的精选支持向量集和精选非支持向量集加上新增样本中的精选支持向量集和精选非支持向量集构建分类器。通过对以上四种情况分类效率和分类效果的对比，研究非支持向量对支持向量增量学习鲁棒性的影响，并最终得出本论文的结论。关键词：支持向量机，增量学习，模糊C均值聚类，中心密度比值研究类型：应用

6、研究AbstractSupportvectormachine(SupportVectorMachine,SVM)isproposedbyVapnikin1990s,thesupportvectormachineisthefirsttosolvethesmallsampledata,afteryearsofdevelopment,thesupportvectormachinehasbeenwidelyusedintheregressionanalysis,andwasusedinthefacerecognition,handwritte

7、nnumeralclassificationrecognition.However,withthedevelopmentofscienceandtechnology,thetraditionalsupportvectormachinehasbeenunabletomeetthecurrentmassdataclassification.Inordertobetterapplytolarge-scaledataclassification,supportvectormachineincrementallearningalgorithma

8、risesatthehistoricmoment.Bycontinuouslyaddingnewlearningsamplesetincrementalsupportvectormachine,continuousadj