版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、最近,模式識別中各種各樣的依賴于機(jī)器學(xué)習(xí)的應(yīng)用技術(shù)已得到了極大的關(guān)注,這些技術(shù)能夠簡化許多復(fù)雜的手工處理過程并減少人類干預(yù),為智能系統(tǒng)的構(gòu)建帶來益處。論文探討了基于支持向量機(jī)(SVM)及其多核學(xué)習(xí)方法在分類問題中的應(yīng)用研究,這是模式識別領(lǐng)域的一個重要方向。SVM分類器已由最初的線性形式,通過使用核技術(shù)擴(kuò)展為非線性形式,通過比較單一核與多個核函數(shù)線性組合的不同性能,進(jìn)一步研究多核學(xué)習(xí)(MKL)的應(yīng)用。論文主要比較了使用一些不同的廣泛應(yīng)用于
2、實際中的基準(zhǔn)數(shù)據(jù)集的分類性能,這些數(shù)據(jù)集包含乳腺癌、心電圖、腦波電圖等,一些是兩分類問題,另一些是多分類問題。在基于單一核函數(shù)和多核函數(shù)學(xué)習(xí)的過程中,考慮了特征歸一化后,對不同分類數(shù)據(jù)集的分類精度影響,進(jìn)一步還考慮了不同核函數(shù),不同特征歸一化后,數(shù)據(jù)分來所具有的不同結(jié)果。
用來度量分類器性能的標(biāo)準(zhǔn)是精度、接收運(yùn)行域特性(ROC)曲線和ROC曲線下的面積(AUC)。進(jìn)一步論文還使用MKL方法對衛(wèi)星圖像進(jìn)行分類,并延伸至遙感應(yīng)用領(lǐng)
3、域。主要研究內(nèi)容如下:
(1)主要將四個核函數(shù)使用于SVM方法,具體包括線性、高斯多項式、Sigmoid函數(shù)。然后,基于十一種基準(zhǔn)數(shù)據(jù)集,選擇不同的特征規(guī)范化條件,通過應(yīng)用這四種核函數(shù)以及對不同核函數(shù)選取最佳的核參數(shù),并且考慮了數(shù)據(jù)集被劃分為訓(xùn)練集、交叉驗證和測試集時,單一使用每個核函數(shù)時,如何能夠獲得最佳性能。
(2)在同等條件及數(shù)據(jù)下,基于MKL算法,通過優(yōu)化參數(shù)以獲得較好的分類性能,分類結(jié)果以直方圖形式展現(xiàn)出,
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于多核學(xué)習(xí)的醫(yī)學(xué)圖像模式分類.pdf
- 多核學(xué)習(xí)下的場景分類方法研究.pdf
- 基于多分辨率多核學(xué)習(xí)的高光譜圖像分類方法研究.pdf
- 基于多核學(xué)習(xí)的高光譜數(shù)據(jù)分類技術(shù)研究.pdf
- 多核學(xué)習(xí)方法在分類問題中的應(yīng)用研究.pdf
- 基于多核共空間模式的超限學(xué)習(xí)機(jī)聚類診斷方法研究.pdf
- 快速多核學(xué)習(xí)分類研究及應(yīng)用.pdf
- 基于多核支持向量機(jī)的網(wǎng)絡(luò)流量分類方法研究.pdf
- 基于多核學(xué)習(xí)svm的耀斑的預(yù)測方法研究
- 基于核方法與累積量隨機(jī)學(xué)習(xí)的模式分類研究.pdf
- 基于多核學(xué)習(xí)的近紅外人臉檢測方法研究.pdf
- 多核集成學(xué)習(xí)方法的研究.pdf
- 視覺對象分類:多核多示例學(xué)習(xí).pdf
- 基于特征融合和多核學(xué)習(xí)的行人檢測方法研究.pdf
- 基于主動學(xué)習(xí)的情感分類方法研究.pdf
- 基于深度學(xué)習(xí)的文檔分類方法研究.pdf
- 基于懶惰學(xué)習(xí)的顯露模式分類算法研究.pdf
- 基于深度學(xué)習(xí)的醫(yī)學(xué)圖像模式分類研究.pdf
- 基于深度學(xué)習(xí)的圖像分類方法研究.pdf
- 基于廣義多核學(xué)習(xí)的類橢球形中藥材分類算法研究.pdf
評論
0/150
提交評論