支持向量机多类分类算法的研究及应用

论文题目: 支持向量机多类分类算法的研究及应用

论文类型: 硕士论文

论文专业: 计算机应用技术

作者: 黄琼英

导师: 吴清

关键词: 机器学习,支持向量机,超球面,多类分类器

文献来源: 河北工业大学

发表年度: 2005

论文摘要: 支持向量机是由VVapnik等提出的一种学习技术,是借助于最优化方法解决机器学习问题的新工具。支持向量机是机器学习领域若干标准技术的集大成者,它集成了最大间隔超平面、Mercer核、凸二次规划、稀疏解和松弛变量等多项技术,在若干挑战性的应用中,获得了目前为止最好的性能。由于其具有全局最优、结构简单、推广能力强等优点,近几年得到了广泛的研究并广泛应用于模式识别等领域。但是支持向量机方法最初是针对二类别的分类提出的,如何将二类别分类方法扩展到多类别分类是支持向量机研究的重要内容之一。本文仔细研究了支持向量机的理论,并针对分类问题着重讨论了以下几个方面的内容:(1) 支持向量机二类别分类算法的研究,对目前存在的多种支持向量机算法模型进行了深入分析,比较了他们的性能与应用范围。(2) 支持向量机多类分类算法的研究,全面总结了目前存在的基于支持向量机的多类别分类方法,包括“一对多”方法、“一对一”方法、一次性求解方法、决策有向无环图方法、基于二叉树的支持向量机多类分类方法、多级支持向量机方法和其它的几种方法,比较了它们的优缺点及性能:并通过实验对其中的几种常用的方法进行了验证与比较。(3) 支持向量机超球面多类分类算法的研究,首先研究了超球面二类别分类算法,指出了它与超平面分类方法的区别,并讨论了其推广能力的性能,深入讨论了其推广能力一般的原因,即缺少了使分类间隔最大这一重要的条件;然后基于超球面二类别算法构造了一种基于二叉树的超球面多类分类算法,该算法不但具有良好的推广能力,而且决策时间短。

论文目录:

第一章绪论

1-1机器学习的发展历史与现状

1-2统计学习理论的核心内容

1-2-1VC维

1-2-2推广误差边界

1-2-3结构风险最小化归纳原则

1-3支持向量机算法的发展历史和现状

1-4支持向量机理论的主要研究内容

1-5本论文的主要工作和全文结构

第二章基于SVM理论的二值分类

2-1支持向量机基本方法

2-1-1线性支持向量机

2-1-2非线性支持向量机

2-2各种改进的支持向量机算法

2-2-1C-SVM算法及其变形算法

2-2-2ν-SVM算法及其变形算法

2-2-3One-classSVM算法

2-2-4RSVM算法

2-2-5WSVM(weightedSVM)算法

2-2-6LS-SVM算法

2-3各种改进的支持向量机算法的比较

2-4小结

第三章支持向量机多类分类算法

3-1基于SVMs的多类分类器的构造方法

3-1-1“一对多”方法

3-1-2“一对一”方法

3-1-3一次性求解方法

3-1-4决策有向无环图

3-1-5基于二叉树的多类支持向量机分类方法

3-1-6多级支持向量机方法

3-1-7其他求解多类别的方法

3-2实验与总结

3-2-1实验

3-2-2总结

第四章超球面分类算法

4-1超球面分类算法及研究现状

4-1-1超球面分类算法介绍

4-1-2超球面算法推广能力的研究

4-1-3超球面算法推广能力的验证

4-2构建超球面支持向量机多类分类器

4-3实验与结果分析

4-3-1数据准备

4-3-2结果分析

第五章结论与展望

参考文献

致谢

攻读学位期间所取得的相关科研成果

发布时间: 2005-07-14

参考文献

[1].基于支持向量机的人脸识别技术研究[D]. 付庆.青岛大学2007
[2].支持向量机在模式识别领域中的应用研究[D]. 李玉景.青岛大学2008
[3].基于支持向量机的多分类算法研究[D]. 曹兆龙.华东师范大学2007
[4].支持向量机与指纹分类算法研究[D]. 黄文艳.河北工业大学2003
[5].基于层次分类的病性分析[D]. 朱丽.南京理工大学2015
[6].基于支持向量机的文本分类研究[D]. 刘洋.兰州理工大学2007
[7].支持向量机在人脸识别中的应用[D]. 王晓辉.哈尔滨工业大学2006
[8].基于支持向量机的人脸识别技术[D]. 杜鹏.青岛大学2008
[9].中文文本分类方法研究[D]. 荣光.山东师范大学2009
[10].模糊支持向量机的研究与应用[D]. 孟媛媛.山东师范大学2006

支持向量机多类分类算法的研究及应用

猜你喜欢