欢迎来到天天文库
浏览记录
ID:35082132
大小:4.15 MB
页数:44页
时间:2019-03-17
《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:2016年03月ShanhaiNormalUniversitMasterThesisgy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(SupportVectorMa
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TwinSuortVectorMachine,简称TWSVM、双参数间隔支(pp)-warame-MSVM持向量机(TinPtricMarginSupportVectorMachine,简称TP、£双支持向量回)--Tw归(einSuortVectorReression简称eTWSVR和双参数不敏感支持向量回归Twinppg,)(ParametricInsensitiveS叩portVect
4、orRegression,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ISh抑ghaiNormalUniversityMasterThesisAbstract
5、tor-Suortmacobtansotma批atneanerreressppvechineSVMi化eilseihrloio打func()ppgyppgtio打bysolvi打auadraticrogramminroblem!;〇realize化eredictionofthet:estsamles.gqpgpppSVMttaeaaocessmaanetthet-canivefiilllao化eadvansofdtrsi打ofllsa
6、mlesdoigypygpgpgpmaldecisionfimctionwi化lesssamles.AtresentSVMhasbeenwidelusedforclassificationpp,yandrosuchasandwritinecontcaorecatttreconitionblemshriion行打anilfsec.Inrece打earsp,g,,ggy,someresearchershaveroosedtwinsuort
7、vectormachineTWSVMonthebasedofSVM.pppp()recteteecso打mm--TWSVMindilysthdiifictionboizinthetwosmallersizeduadraticrogyptigqpgrammingproblems,whichm浊es化elearningspeedofTWSVMbeapproximately4timesfaster化anSVM.t-Wi化化ede
8、velomentofiontechnolotionareobinformamoreandmoredatainformapgy,nedc-taiuiklon化eotherhand化eraiddeveloentofsociethasalsoledtochaneinforqy;,ppmygination.Thereforei
此文档下载收益归作者所有