代价敏感支持向量机快速算法研究

《代价敏感支持向量机快速算法研究》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、护■０３００分类号：ＴＰ１８１单位代码：１：２０１３１２４３５７４．密级：学号．．為若传廷少毒硕±学位论文喔代价敏感支持向量机快速算法妍究民ｅｓｅａｒｃｈｏｎＦａｓｔＡｌｏｒｉｔｈｍｓｆｏｒＣｏｓｔＳｅｎｓｉｔｉｖｅＳｕｏｒｔＶｅｃｔｏｒｇｐｐＭａｃｈｉｎｅ申请人姓名：权蠢指导教师：顾韵华教授合作导师：顾彬副教授专业睾称：计篡机科学与技术研究方向：机器学习所在学院：计算化与软件学院—、二〇六年五月独创性声明本人声明所呈交的论

2、文是我个人在导师指导下进行的研究工作及取得的研。＞１究成果本论文除了文中特别加＾＾标注和致谢的内容外，不包含其他人或其他机构己经发表或撰写过的研究成果，也不包含为获得南京信息工程大学或其他教育机构的学位或证书而使用过的材料。其他同志对本研究所做的贡献巧己在论文中作了声明并表示谢意。学位论文作者签名：签字曰期：义＿关于论文使用授权的说明南京信息工程大学、国家图书馆、中国学术期刊（光盘版）杂志社、中国科学技术信息研究所的《中国学位论文全文数据库》有权保留本人所送交学位论文的复印件和电子文档，可Ｗ

3、采用影印、缩印或其他复制手段保存论文，并通一致过网络向社会提供信息服务。本人电子文档的内容和纸质论文的内容相。除在保密期内的保密论文外，允许论文被查阅和借阅，可Ｗ公布（包括刊登）论文的全部或部分内容。论文的公布（包括刊登）授权南京信息工程大学研巧生院办理。＾开□保密（年月）保密的学位论文在解密后应遵守此（协议）学位论文作者签名：签字日期：八乂／指导教师签名：签字曰期＝目录摘要ＩＡｂｓｔｒａｃｔＩＩ一第章绪论１１．１研究背景及意义１１．２国内外研究现状２

4、１．２．１代价敏感学习研巧现状２１．２．２支持向量机快速求解算法研究现状５１２．３増量６．式算法研究现状１．３论文主要研巧内容７１８．４论文姐织结构第二章代价敏感学习算法比较１０２．１引言１０２．２代价敏感学习的基础理论１１２．３代价敏感学习中的主要分类算法１３２ｅａＣｏｓ４．３．１Ｍｔｔ１２．３．２重采样１５２．３．３阀值移动１６２．３．４代价敏感的支持向量机１７２．４实验设置１９２．４．１实验设计１９２．４．２数据集２０２．

5、４．３评价指丰巧２１２．４．４算法实现２２２．５实验结果分析及讨论２３２．５．１总代价２４２２４．５．２曲线下面积２２．５．３Ｆ１性能和Ｇ均值５２２．５．４结论５Ｉ２．６总结２５第Ｈ章带有随机梯度下降的代价敏感支持向量机的ＳＭＯ算法３１３１３１．引言３．２代价敏感的支持向量机及其ＫＫＴ条件３２３．３代价敏感支持向量机的ＳＭＯ算法３４３３４．３．１ＳＭＯ算法描述３．３．２时间复杂度分析３７３．４带有随机梯度下降的代价敏感支持向量机的ＳＭＯ

6、算法３７３．４．１代价敏感的支持向量机的随机梯度下降算法３８３４１．４．２使用随机梯度下降为ＳＭＯ算法求解初始解３．５实验研巧４３３．５．１实验方案４３３．５．２实验结果分析４４３．６总结４７第四章代价敏感支持向量机的多样本增量式算法４８４４８．１引言４．２代价敏感支持向量机的多样本增量式算法４８４．３实验研究５２４．３．１实验方案５２４．３．２增量式代价敏感支持向量机的有效性分析５４４．３３运行效率分析５５４．３．４增量式算法分析５７４．

7、４总结６０第五章总结与展望６１５．１工作总结６１５．２工作展望６２致谢６３参考文献６４作者简介６８ＩＩ摘要ｎ一支持向量机是由Ｖａｐｉｋ等人提出的种分类算法，因其具有良好的泛化性能，在机器学习和数据挖掘领域中被研究者广泛使用。传统分类算法中假设对于属于不同类型的样本的错误分类导致的误分代价是相同的。然而在很多实际应用中，误分类不同类别的样本将会产生不同的误分代价，例如疾病诊断、信用卡诈一骗检测等场景即是如此。针对这类的代价敏感问题，研究者提出了多种代价敏感算法，

8、其中代价敏感支持向量机具有很好的性能及广泛的适应性。本文即Ｗ代价敏感支持向量机作为重点研究对象。文中取得的创新研究成果如下。一（１）针对代价敏感问题，文中设计了系列的对比实验对于多种代价敏感算法进行了比较。实验在十个代价敏感数据集和四个不平衡数据集上