论文摘要
支持向量机是Vapnik等人提出的一类新型机器学习方法,它是基于统计学习理论,借助最优化方法来解决机器学习问题的新工具,支持向量机目前还存在许多局限性,研究有待进一步探索和完善。本文以统计学习理论(Statistic Learning Theory-SLT)和支持向量机(Support Vector Machine-SVM)为基础,开展了以下研究工作:首先,对统计学习理论和支持向量机分类器进行了全面的总结和概括。其次,总结了现有的几种有代表性的多类支持向量机方法,这些方法包括:一对多(one-against-all)、一对一(one-against-one)、有向无环图支持向量机(DAG-SVMs)、决策树分类和全局优化分类(MSVM);还介绍了两种模糊多类支持向量机方法。第三,总结了适合于求解大型问题的训练算法:选块算法(Chuncking),分解算法(Decomposing)和序列最小最优化算法(Sequential Minimal Optimization-SMO)等,这些都是专门针对支持向量机设计的快速算法。提出了一种改进的模糊多类支持向量机方法,它是在全局优化分类(MSVM)的基础上,引入模糊隶属函数;然后利用改进的序列最小最优化算法求解模糊多类支持向量机,实验结果显示运行时间减少了,方法是可行的和有效的。
论文目录
相关论文文献
- [1].支持向量机理论及应用[J]. 科学技术创新 2019(02)
- [2].加权间隔结构化支持向量机目标跟踪算法[J]. 中国图象图形学报 2017(09)
- [3].多分类孪生支持向量机研究进展[J]. 软件学报 2018(01)
- [4].模糊型支持向量机及其在入侵检测中的应用[J]. 科技创新与应用 2018(11)
- [5].从支持向量机到非平行支持向量机[J]. 运筹学学报 2018(02)
- [6].支持向量机的基本理论和研究进展[J]. 长江大学学报(自科版) 2018(17)
- [7].孪生支持向量机综述[J]. 计算机科学 2018(11)
- [8].一种新的基于类内不平衡数据学习支持向量机算法[J]. 科技通报 2017(09)
- [9].分段熵光滑支持向量机性能研究[J]. 计算机工程与设计 2015(08)
- [10].有向无环图-双支持向量机的多类分类方法[J]. 计算机应用与软件 2015(11)
- [11].基于支持向量机的股票价格预测模型研究与应用[J]. 课程教育研究 2016(28)
- [12].基于总类内分布的松弛约束双支持向量机[J]. 济南大学学报(自然科学版) 2018(04)
- [13].基于多分类支持向量机的评估模型研究[J]. 数学的实践与认识 2017(01)
- [14].改进的支持向量机在微博热点话题预测中的应用[J]. 现代情报 2017(03)
- [15].多核在线支持向量机算法研究及应用[J]. 宜宾学院学报 2017(06)
- [16].基于改进遗传算法的支持向量机参数优化方法[J]. 计算机与现代化 2015(03)
- [17].一种层次粒度支持向量机算法[J]. 小型微型计算机系统 2015(08)
- [18].自训练半监督加权球结构支持向量机多分类方法[J]. 重庆邮电大学学报(自然科学版) 2014(03)
- [19].四类基于支持向量机的多类分类器的性能比较[J]. 聊城大学学报(自然科学版) 2014(03)
- [20].一种模糊加权的孪生支持向量机算法[J]. 计算机工程与应用 2013(04)
- [21].一种采用粗糙集和遗传算法的支持向量机[J]. 山西师范大学学报(自然科学版) 2013(01)
- [22].基于在线支持向量机的无人机航路规划技术[J]. 电光与控制 2013(05)
- [23].贪婪支持向量机的分析及应用[J]. 计算机工程与应用 2012(24)
- [24].一种改进的双支持向量机[J]. 辽宁石油化工大学学报 2012(04)
- [25].试述不确定支持向量机应用分析及改进思路[J]. 中国证券期货 2012(12)
- [26].模糊积分在支持向量机集成中的应用研究[J]. 黑龙江科技信息 2011(27)
- [27].基于支持向量机的增量学习算法[J]. 吉林大学学报(理学版) 2010(03)
- [28].基于支持向量机的煤与瓦斯突出预测研究[J]. 工业安全与环保 2010(05)
- [29].凹半监督支持向量机及其应用[J]. 计算机工程与应用 2010(28)
- [30].基于遗传算法的回归型支持向量机参数选择法[J]. 计算机工程与应用 2008(07)