支持向量机的快速优化算法

《支持向量机的快速优化算法》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、学校代码：１０２７０分类号；０２４学号；１３２２００６０６上４畔絶乂寒硕±学位论文支持向量机的快速化化算法学院；数理学晓专业：计算数学研究方向：模式巧别研究生姓名；孔令彦指导教师；彭新傻副教授完成日期：２０１６年０３月ＳｈａｎｈａｉＮｏｒｍａｌＵｎｉｖｅｒｓｉｔＭａｓｔｅｒＴｈｅｓｉｓｇｙ摘要目前，ＳＶＭ已经被广泛应用于包括文本分类、图像识别、手写体识别、金融预测等分类与回归问風支持向量机（ＳｕｐｐｏｒｔＶｅｃｔｏｒＭａ

2、ｃｈｉｎｅ，简称ＳＶＭ）通过求解二次规划问题获得最优超平面或回归画数．，从而实现对测试样本的预测采用ＳＶＭ，可Ｗ充分发挥它对小样．本数据处理的优势，用比较少的样本得到最优决策函数但是ＳＶＭ在解决凸二次规划问题一一上的耗时长．些研究工作者在ＳＶＭ的基础上提出了类双支持向量机模，速度慢近年来，二型．，这类模型通过优化两个比较小的次规划问题间接获得决策函数随着信息技术的发展一方面速发展的，越来越多的数据信息被人们快速获取；另，高社会也导致信息万变．，学习数据通常具有较强的时序性因此，有必要讨论Ｓ

3、ＶＭ的各种模型的在线学习方式，同时应考虑到样本的时效性．本文讨论了双支持向量机ＴｗｉｎＳｕｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅ，简称ＴＷＳＶＭ、双参数间隔支（ｐｐ）－ｗａｒａｍｅ－ＭＳＶＭ持向量机（ＴｉｎＰｔｒｉｃＭａｒｇｉｎＳｕｐｐｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅ，简称ＴＰ、￡双支持向量回）－－Ｔｗ归（ｅｉｎＳｕｏｒｔＶｅｃｔｏｒＲｅｒｅｓｓｉｏｎ简称ｅＴＷＳＶＲ和双参数不敏感支持向量回归Ｔｗｉｎｐｐｇ，）（ＰａｒａｍｅｔｒｉｃＩｎｓｅｎｓｉｔｉｖｅＳ叩ｐｏｒｔＶｅｃｔ

4、ｏｒＲｅｇｒｅｓｓｉｏｎ，简称ＴＰＩＳＶＲ）的在线学习算法当新样本进入到学习序列时，这些在线学习算法通过利用拉格朗日对偶技术，将问题转化为单（双）变量二次规划问题．同时法引入了遗忘因子能有效保证数据信息对决策函数的有效更新．，算，本文的学习算法Ｗ非常低的计算成本实现，在分类准确度和学习的时间上面，盈示出非常快的学习速度．关键词：．模式识别，双支持向量机，再生核希尔伯特空间，在线学习ＩＳｈ抑ｇｈａｉＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙＭａｓｔｅｒＴｈｅｓｉｓＡｂｓｔｒａｃｔ

5、ｔｏｒ－Ｓｕｏｒｔｍａｃｏｂｔａｎｓｏｔｍａ批ａｔｎｅａｎｅｒｒｅｒｅｓｓｐｐｖｅｃｈｉｎｅＳＶＭｉ化ｅｉｌｓｅｉｈｒｌｏｉｏ打ｆｕｎｃ（）ｐｐｇｙｐｐｇｔｉｏ打ｂｙｓｏｌｖｉ打ａｕａｄｒａｔｉｃｒｏｇｒａｍｍｉｎｒｏｂｌｅｍ！；〇ｒｅａｌｉｚｅ化ｅｒｅｄｉｃｔｉｏｎｏｆｔｈｅｔ：ｅｓｔｓａｍｌｅｓ．ｇｑｐｇｐｐｐＳＶＭｔｔａｅａａｏｃｅｓｓｍａａｎｅｔｔｈｅｔ－ｃａｎｉｖｅｆｉｉｌｌｌａｏ化ｅａｄｖａｎｓｏｆｄｔｒｓｉ打ｏｆｌｌｓａ

6、ｍｌｅｓｄｏｉｇｙｐｙｇｐｇｐｇｐｍａｌｄｅｃｉｓｉｏｎｆｉｍｃｔｉｏｎｗｉ化ｌｅｓｓｓａｍｌｅｓ．ＡｔｒｅｓｅｎｔＳＶＭｈａｓｂｅｅｎｗｉｄｅｌｕｓｅｄｆｏｒｃｌａｓｓｉｆｉｃａｔｉｏｎｐｐ，ｙａｎｄｒｏｓｕｃｈａｓａｎｄｗｒｉｔｉｎｅｃｏｎｔｃａｏｒｅｃａｔｔｔｒｅｃｏｎｉｔｉｏｎｂｌｅｍｓｈｒｉｉｏｎ行打ａｎｉｌｆｓｅｃ．Ｉｎｒｅｃｅ打ｅａｒｓｐ，ｇ，，ｇｇｙ，ｓｏｍｅｒｅｓｅａｒｃｈｅｒｓｈａｖｅｒｏｏｓｅｄｔｗｉｎｓｕｏｒｔ

7、ｖｅｃｔｏｒｍａｃｈｉｎｅＴＷＳＶＭｏｎｔｈｅｂａｓｅｄｏｆＳＶＭ．ｐｐｐｐ（）ｒｅｃｔｅｔｅｅｃｓｏ打ｍｍ－－ＴＷＳＶＭｉｎｄｉｌｙｓｔｈｄｉｉｆｉｃｔｉｏｎｂｏｉｚｉｎｔｈｅｔｗｏｓｍａｌｌｅｒｓｉｚｅｄｕａｄｒａｔｉｃｒｏｇｙｐｔｉｇｑｐｇｒａｍｍｉｎｇｐｒｏｂｌｅｍｓ，ｗｈｉｃｈｍ浊ｅｓ化ｅｌｅａｒｎｉｎｇｓｐｅｅｄｏｆＴＷＳＶＭｂｅａｐｐｒｏｘｉｍａｔｅｌｙ４ｔｉｍｅｓｆａｓｔｅｒ化ａｎＳＶＭ．ｔ－Ｗｉ化化ｅｄｅ

8、ｖｅｌｏｍｅｎｔｏｆｉｏｎｔｅｃｈｎｏｌｏｔｉｏｎａｒｅｏｂｉｎｆｏｒｍａｍｏｒｅａｎｄｍｏｒｅｄａｔａｉｎｆｏｒｍａｐｇｙ，ｎｅｄｃ－ｔａｉｕｉｋｌｏｎ化ｅｏｔｈｅｒｈａｎｄ化ｅｒａｉｄｄｅｖｅｌｏｅｎｔｏｆｓｏｃｉｅｔｈａｓａｌｓｏｌｅｄｔｏｃｈａｎｅｉｎｆｏｒｑｙ；，ｐｐｍｙｇｉｎａｔｉｏｎ．Ｔｈｅｒｅｆｏｒｅｉ