快速孪生支持向量机理论及算法研究

《快速孪生支持向量机理论及算法研究》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、（＠）办姜部ｔ大＃硕士研究生学位论文快速孪生支持向量机理论及作者：齐韶维指导教师：吴青教授学科（专业）：计算机控制系统一？二〇提交论文日期．八年六月单位代码11664学号1504210010分类号TP181密级西安邮电大学硕士研究生学位论文题（中、英文）目快速孪生支持向量机理论及算法研究ResearchonTheoryandAlgorithmsofFastTwinSupportVectorMachine作者姓名齐韶维指导教师姓名、职务吴青教授学科门类工学学科（专业）计算机控制系统提交

2、论文日期二○一八学年六月科（专业）学科门类指导教师姓名、职务西安邮电大学学位论文原创性声明秉承学校严谨的学风和优良的科学道德，本人郑重声明：所呈交的论文是本人在导师指导下进行的研宄工作及取得的研宄成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人己经发表或撰写过的研一宂成果。，也不包含本人己用于其他学位申请的论文或成果与我同工作的同志对本研宄所做的任何贡献均己在论文中做了明确的说明并表示了谢意。一申请学位论文与资料若有不实之处，本人承担切的法律责任＜本

3、人签名：曰期：夕故年月牙日西安邮电大学学位论文知识产权声明本人完全了解西安邮电大学有关保留和使用学位论文的规定，即：研宄生在校攻读学位期间论文工作的知识产权单位属西安邮电大学。学校有权保留并向国家有关部门或机构送交论文的复印件和电子版。本人允许论文被查阅和借阅。学校可以将本学位论文全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复印手段保存和汇编本学位论文。同时本人保证，毕业后结合学位论文研宄课题再撰写的文章一律署名单位为西安邮电大学。ｒ年〈月ｔ本人签名：

4、：ｗ日．日期＿导师签名：Ｓ、秦日期；年彡月，日摘要摘要孪生支持向量机(TwinSupportVectorMachine,TWSVM)是基于支持向量机(SupportVectorMachine,SVM)和广义特征值支持向量机提出的一种新的机器学习方法，是一种用于快速分类的有效方法。对于一个二分类问题，TWSVM的目的是寻找一对用于分类的非平行超平面。虽然TWSVM和SVM有类似的表达形式，但是其计算效率却近似是SVM的4倍。由于TWSVM的快速学习能力和良好的学习性能，现已成为机器学习领域的研究热点

5、。然而，由于TWSVM在机器学习领域的发展时间较短，所以它在很多方面还存在着不足之处，还需要对其进行进一步的研究与完善。本文针对SVM和TWSVM及其改进算法所存在的问题，应用相关理论进行深入研究。具体的研究内容如下：1.对TWSVM的非奇异性方法进行研究。针对目前TWSVM中普遍存在奇异性导致部分研究工作不能进一步进行的问题，采取在结果中增添“零项”的方法来克服解的奇异性，提出了一种新的非奇异TWSVM模型。同时，采用逐次超松弛方法，使得TWSVM计算速度进一步提高。该方法能够有效克服奇异性问题，并且提高了分类

6、性能。2.对间隔分布关于TWSVM的影响进行研究。理论研究表明，间隔分布对模型泛化能力有重要影响。在标准TWSVM的目标函数中引入间隔均值和间隔方差。同时，引入基于结构风险最小化原则的正则化化项。为了提高计算效率，采用最小二乘方法，将两个二次规划问题转化为两个线性方程组，提出最小二乘大间隔孪生支持向量机(LeastSquaresLargeMarginTwinSupportVectorMachine，LSLMTSVM)。该算法不仅具有较高的分类精度，而且计算速度较快。3.对模糊最小二乘孪生支持向量机进行研究。为了提

7、高TWSVM的分类精度，引入“模糊”的概念，并采取加权密度函数取代目标函数中的隶属度函数。同时，采用最小二乘方法，提出模糊最小二乘大间隔孪生支持向量机(FuzzyLeastSquaresLargeMarginTwinSupportVectorMachine，FLS-LMTSVM)。理论分析表明，数据集的疏密程度对分类结果的影响非常重要。因此，FLS-LMTSVM的提出为非均匀样本问题提供了一种有效的方法。关键词：孪生支持向量机；奇异性；间隔分布；最小二乘；密度加权IABSTRACTABSTRACTTwinSupp

8、ortVectorMachine(TWSVM)isanewmachinelearningmethodbasedonsupportvectormachineandgeneralizedeigenvaluesupportvectormachine.Itisaneffectivemethodforrapidclassification.Foratwo-classproblem,