用于回归估计的支持向量机的学习算法及应用

《用于回归估计的支持向量机的学习算法及应用》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、摘要用于回归估计的支持向量机的学习算法及应用摘要支持向量机(sVM)是由Vapnik及其研究小组于1995年在统计学习理论的基础上提出来的一类新型的机器学习方法，由于其出色的学习性能，恢技术已成为当前国际机器学习界的研究热点。用于回归估计的支持向量机方法(sVR)以可控制的精度逼近非线性函数，具有全局最优、良好的泛化能力等优越性能，得到了广泛研究。但是其理论体系和学习算法的实现仍然有大量问题有待发展和完善，如何设计快速有效的算法是SVR实际应用中的瓶颈问题，而且其在应用方面的研究也相当缺乏。本文首先介绍了几种sVR算法，通过理论推导及

2、改造sVR优化式，提出了一种毅的用于回归估计的支持向量机的优化算法LsVM—R。而后围绕应用问题展丌了一些研究，针对医学上三类血浆脂蛋白(VLDL、LDL、HDL)样本中胆固醇含量测定的问题，提出了利用svR和LSvM—R进行回归估计的方法，并与BP网络方法进行了比较；针对物理上光的衍射和干涉实验提出了利用svR对实验数据进行曲线拟合的方法，并与最小二乘法的方法进行了比较。实验表明上述所提出的方法在整体性能上优于BP网络方法和最小二乘法的方法。关镅!词：s、，R，学习算法，LsvM—R，胆固醇，物理实验圳r同门估计的支持向域机的算法及

3、应州LearningAlgorithmsandApplicationsoftheSVMforRegressionAbstractSupponVectorMachine(SVM)basedonthestatisticalleamingtheoryisanewmachinelearningmethod，whichwasdeVelopedbyv{巾nikandhisteamin1995．theSVMhasbecomethehotspotinthefieldofmachine1earningbecauseofitsexcellentleami

4、ngperformance．SupponVectorMachineforregression(SVR)hasrecentlyattractedgro、vingresearchinterestduetoitsobviousadvantagessuchasnonlinearmnction印proximationwitharbitraryaccuracy’andgoodgeneralizationability，uniqueandgloballyoptimals01utions．Butitstheoreticalsystemhasmuchr

5、oomforimprovememandtherealizationoftheIeamingalgorithmhasmanyproblemsfors01ution．HowtodesignSVR1eamingalgorithmsWhicharebomfastandValidhasbecomethebotlleneckinpractical印plicationsofSVR．MoreoVer’jtsresearchinappljcationsneedstobeenhallced．Inthisdissenation，someexiStingSV

6、R1eamingalgorithmsarenrstlyintroduced．ByinferenceaIldViaimprovedmathematicalfomulas，anewSVRlearningalgorithm—LagrangianSupportVectorMachineforRegression(LSVM—R)ispresented．Thensomeapplicationsarestudied．TheSVRandLSVM—Rbasedmethodsarepresentedtodetem“neserumch01ester01le

7、velsfromthemeasurementsofspectralcontentofabloodsampleinmedicalscience，whicharecomparedwiththeBP-network-basedmethod．Inaddition，theSVR-basedmethodispresentedtocurventt11eexperimentdataoftheinterferenceanddifrractionof1i曲tinphysicsexperiments，whichiscomparedwiththeLeast—

8、Square—Algorit№_basedmethod．Theexperimentalresultsshowmatthe摘要proposedmethodsarebenerthant

9、leothertwomethodsin