论文题目: 求解分类问题的支持向量机方法与应用研究
论文类型: 博士论文
论文专业: 管理科学与工程
作者: 阎满富
导师: 邓乃扬
关键词: 支持向量分类机,支持向量回归机,中心支持向量机,推理型支持向量机,鱼类生长环境检测
文献来源: 中国农业大学
发表年度: 2005
论文摘要: 支持向量机(Support Vector Machines,简称SVMs)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。它是Cortes和Vapnik于1995年首先提出来的,已成为近年来机器学习研究的一项重大成果。目前对支持向量机的研究主要集中在对其本身性质的研究和完善以及加大应用研究的深度和广度两方面。本文以解决分类问题为目标,对支持向量分类机从其理论和模型的完善及应用两个方面,进行了较深入的研究和实践,以达到理论和实践的结合。 本文的主要研究工作如下: 1.在深入研究现有支持向量分类机和支持向量回归机的基础上,把分类问题看作特殊的回归问题来处理,通过引入不同的范数以及不同的损失函数,构建求解分类问题的支持向量回归机新模型。并对引入高斯损失函数得到的新模型,给出求解的简便方法——简化的序列最小最优化算法。进一步,对多类分类问题,提出了新的多类分类模型,数值试验表明了该模型的鲁棒性和有效性。从而给出求解分类问题的支持向量机的新思路和新途径。 2.Fung和Mangasarian从直观上提出了中心支持向量分类机。本文通过理论推导和分析构造出中心支持向量分类机的原始优化问题,从不同的途径给出了中心支持向量分类机。在此基础上,首次给出了稀疏的中心支持向量分类机、加权的中心支持向量分类机。对含有不确定信息的分类问题,通过引入概率变量,构建了不确定中心支持向量分类机。从而实现对中心支持向量分类机理论的推广、完善和创新。 3.Vapnik提出了推理型支持向量分类机,其优化问题的求解比较困难。本文将其原始最优化问题变为无约束问题,并对其进行光滑化,从而构建了改进的推理型支持向量机和加权的推理型支持向量机,并成功的将新模型应用到网络入侵检测中,给出了网络入侵检测的新方法,使推理型支持向量机的理论和应用研究有了新的突破。 4.首次将支持向量分类机应用到海水工厂化养殖中的环境监测问题。对河北省唐山市、秦皇岛市沿海的养殖工厂,随机采集了鱼类生长环境数据,进行了检测、监控实验,取得了较好的应用效果,在切实解决实际问题的同时,进一步拓宽了支持向量机的应用领域。 本文构建的各种新的支持向量分类机,较一般支持向量分类机有各自明显优势和良好的性能,主要体现在有的模型有求解的简便算法,有的模型测试精度高,有的模型解决实际问题时针对性强,这均在数值试验和实际应用中得到证实。
论文目录:
第一章 绪论
1.1 机器学习
1.2 统计学习理论
1.3 支持向量机基本思想
1.4 支持向量机的研究现状
1.5 论文研究的主要内容和结构
第二章 支持向量机的理论基础和模型
2.1 支持向量机的优化理论基础
2.2 支持向量分类机的各种模型
2.3 支持向量回归机的各种模型
2.4 小结
第三章 求解分类问题的一个新途径——SVR方法
3.1 一般形式的SVR模型
3.2 使用高斯损失函数的SVR模型
3.3 求解分类问题的SVR模型
3.4 简化的SMO算法
3.5 求解分类问题的SVR线性规划模型
3.6 求解多类问题的SVR线性规划模型
3.7 数值试验
3.8 小结
第四章 中心支持向量分类机的扩展
4.1 基本思想
4.2 加权的PSVMC
4.3 多类问题分类模型
4.4 不确定PSVMC
4.5 小结
第五章 改进的推理型支持向量分类机
5.1 原始最优化问题
5.2 改进的推理型支持向量机
5.3 网络入侵检测的新方法
5.4 小结
第六章 基于支持向量机的海水工厂化养殖环境监测
6.1 海水养殖问题研究的背景和意义
6.2 支持向量机应用于海水养殖问题的提出
6.3 支持向量机在大菱鲆养殖中的应用
6.4 小结
第七章 结论与展望
参考文献
致谢
附录 河北省唐山中惠养殖场大菱鲆养殖监测数据表
个人简历
发布时间: 2005-07-18
参考文献
- [1].支持向量机若干问题的研究[D]. 安金龙.天津大学2004
- [2].支持向量机分类方法及其在文本分类中的应用研究[D]. 赵晖.大连理工大学2006
- [3].支持向量机分类与回归方法研究[D]. 孙德山.中南大学2004
- [4].基于最小二乘支持向量机的社会代价对经济增长影响研究[D]. 李丹.重庆大学2013
- [5].基于可扩展的支持向量机分类算法及在信用评级中的应用[D]. 王冬丽.东华大学2011
- [6].基于支持向量机的经济预警方法研究[D]. 刘广利.中国农业大学2003
- [7].基于支持向量机的建模方法及其在材料加工中的应用研究[D]. 黄细霞.上海交通大学2008
- [8].支持向量机若干问题及应用研究[D]. 彭新俊.上海大学2008
- [9].基于企业客户互动价值的客户关系研究[D]. 邓长寿.天津大学2007
- [10].数据驱动的金融时间序列预测模型研究[D]. 张贵生.山西大学2016
标签：支持向量分类机论文; 支持向量回归机论文; 中心支持向量机论文; 推理型支持向量机论文; 鱼类生长环境检测论文;