支持向量机及相关理论研究

支持向量机及相关理论研究

ID:33133362

大小:1.61 MB

页数:50页

时间:2019-02-21

支持向量机及相关理论研究_第1页
支持向量机及相关理论研究_第2页
支持向量机及相关理论研究_第3页
支持向量机及相关理论研究_第4页
支持向量机及相关理论研究_第5页
资源描述:

《支持向量机及相关理论研究》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、学位论文独创性声明本人承诺:所呈交的学位论文是本人在导师指导下所取得的研究成果。论文中除特别加以标注和致谢的地方外,不包含他人和其他机构已经撰写或发表过的研究成果,其他同志的研究成果对本人的启示和所提供的帮助,均已在论文中做了明确的声明并表示谢意。学位论文作者签名:王翻釜学位论文版权的使用授权书本学位论文作者完全了解辽宁师范大学有关保留、使用学位论文的规定,及学校有权保留并向国家有关部门或机构送交复印件或磁盘,允许论文被查阅和借阅。本文授权辽宁师范大学,可以将学位论文的全部或部分内容编入有关数据库并进行检索,可以采用影印、缩印或扫描等复制手段保存、汇编学位论

2、文,并且本人电子文档的内容和纸质论文的内容相一致。保密的学位论文在解密后使用本授权书。学位论文作者签名:至鼙枉指导教师签名:签名同期:知p年多月占日I●-飞l{j矗FBLlJ《辽宁师范大学硕士学位论文摘要支持向量机(SVM)技术是由V.Vapnik!lJ于20世纪90年代中期提出的一种能处理非线性分类、回归等机器学习问题的新模型。近几十年其理论研究快速成熟,实际应用也被越来越多的领域重视。传统分类方法是从归纳到演绎的分类过程,面对一些多维非线性问题往往效率低下,测试精度不高;而SVM则简化分类过程,用训练数据到测试数据的转导推理(transductionin

3、ference)代替传统方法【2】。SVM模型只需要确定少数几个参数即可确定决策函数,其他参数可以根据经验固定选择;而且时间复杂度尤其是空间复杂度取决于支持向量的数目,而不是属性维数,对比以前的分类方法,缩短分类时间,减少存储空间。,本文所做的工作主要围绕SVM用于分类问题开展,研究成果分为下面两个部分:l、针对当前模糊支持向量机(FSVM)使用特征空间样本与类中心之间的距离构建隶属度函数的不足,首次利用熵的不确定性定量化度量特征和蚁群算法(AC0)的智能性,与FSVM模型结合,提出一种基于熵和ACO的FSVM新方法(EAFSVM)。求得的聚类中心和隶属度能

4、更准确的反映数据本身的特点,提高测试精度。对比SVM和FSVM,EAFSVM模型测试精度较高,尤其对多类数据、大规模数据具有较好的分类能力。2、由于支持向量机(SVM)的有效性依赖于对数据信息获取的准确性,针对传统SVM模型对数据信息考虑单一导致分类精度不高、泛化能力不强的问题,结合概率分布特性和等价类关系,提出了一种双系数控制分类的新模型。以双系数方式改进传统参数,优化SVM,为每一个样本同时赋予概率值和等价类系数,充分挖掘数据信息内在规律和联系。该模型能有效利用数据信息,与传统SVM、FSVM和RSVM相比有较高的测试精度,能有效提高分类能力,具有较高鲁

5、棒性。关键词:支持向量机;熵:蚁群算法:概率:等价类SupportVectorMachineModelandSeveralRelativeTheoryResearchAbstractThevectorsupportmachine(SVM)technologyisalleWmodelwhichisproposedbyV.Vapnikinthemid90s.todealwi【ththenon.1inearclassification,regressionandothermachinelearningproblem.Thetheoryresearchdevelop

6、srapidly,andmorefieldspayattentiontotheactualapplication.Traditionalclassificationmethod.whichisfromtheinductiontodeduction,facesproblemsoflOWefficiencyandpredictiveaccuracywhendealwithmulti-dimensionalnonlinearcondition.WhiletheSVMsimplifiestheclassificationprocessbyadoptingtransd

7、uctioninferencebetweenthetrainingdataandtestdata,onlyafewparametersareneededtodeterminethedecisionfunctioninSVMmodel,andotherparametersCanbechosenbasedonexperience.Timecomplexityespeciallyspatialdegree,whichcomparedtothepreviousclassificationways,dependingnotontheattributedimension

8、,butonthenumberofsupportve

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。