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、在現(xiàn)實世界中,萬事萬物都有著其特征,這樣的特征或多或少、或重要或不重要。人們通過事物的特征可以確定其所屬分類,但是當(dāng)事物的特征都很多時,如果人們依靠傳統(tǒng)的方法對事物進(jìn)行分類就顯得耗時耗力,并且分類的精確性不高。而分類作為一種預(yù)測模型,如果分類的精確性低或用時長,則這種預(yù)測將變得毫無價值。因此人們提出了各種分類模型來對事物進(jìn)行預(yù)測,其中支持向量機和支持向量描述數(shù)據(jù)在對高維數(shù)據(jù)進(jìn)行預(yù)測時有著一定的優(yōu)勢,并且根據(jù)不同的要求,對這兩種算法的改進(jìn)
2、應(yīng)用到了現(xiàn)實生活中的許多領(lǐng)域。
首先,本文研究了數(shù)據(jù)挖掘分類算法中的支持向量機的背景和理論,分析并總結(jié)了SVM各種改進(jìn)方法的研究現(xiàn)狀。其次,在分析和研究支持向量數(shù)據(jù)描述幾種改進(jìn)算法的基礎(chǔ)上,針對構(gòu)造SVDD分類器實質(zhì)上是求解一個優(yōu)化的二次規(guī)劃問題,并且影響SVDD算法決策邊界的因素為訓(xùn)練樣本的支持向量,為了提高SVDD算法的訓(xùn)練速度,引入K-均值聚類和樣本相似度,提出了一種基于約減集的兩次訓(xùn)練的RSTSVDD算法。該算法以聚類
3、和樣本相似度區(qū)間的方法將訓(xùn)練樣本集劃分為多個子集,從這些子集中隨機抽取訓(xùn)練樣本作為一個訓(xùn)練子集來訓(xùn)練一個SVDD分類器的決策邊界,再以分類器的決策邊界找出原始訓(xùn)練集的可能支持向量構(gòu)成一個新的訓(xùn)練子集,來訓(xùn)練另一個SVDD分類器的決策邊界。最后,本文在3個不同維的breast-cancer數(shù)據(jù)集上,分別用SVDD算法、RSVDD算法與RSTSVDD算法進(jìn)行了實驗,并對它們的性能進(jìn)行比較。實驗結(jié)果表明,在保持分類精度基本不變的基礎(chǔ)上,RST
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
- 一種用于學(xué)習(xí)非平衡數(shù)據(jù)支持向量機的改進(jìn).pdf
- 一種快速的支持向量機算法研究.pdf
- 一種基于改進(jìn)支持向量機的文本傾向性分類算法.pdf
- 基于支持向量數(shù)據(jù)描述的分類算法研究.pdf
- 一種針對稀有類支持向量機的新算法.pdf
- 基于相對密度的支持向量數(shù)據(jù)描述算法研究.pdf
- 一種改進(jìn)的深層網(wǎng)絡(luò)數(shù)據(jù)源描述方法.pdf
- 基于支持向量數(shù)據(jù)描述的屬性約簡算法研究.pdf
- 基于支持向量數(shù)據(jù)描述的分類識別算法研究.pdf
- 一種處理帶有對稱多面體擾動數(shù)據(jù)的支持向量機算法.pdf
- 支持向量數(shù)據(jù)描述與支持向量機及其應(yīng)用.pdf
- 一種改進(jìn)支持向量機的中長期負(fù)荷預(yù)測方法.pdf
- 一種改進(jìn)的支持向量機及其在圖像分割中的應(yīng)用.pdf
- 基于支持向量數(shù)據(jù)描述的多示例學(xué)習(xí)算法研究.pdf
- 一種雙支持向量機決策樹的多分類算法.pdf
- 一種基于聚類的支持向量機反問題求解算法.pdf
- 分布式環(huán)境下的支持向量數(shù)據(jù)描述外殼算法.pdf
- 一種改進(jìn)的CELP算法.pdf
- 基于改進(jìn)支持向量機的數(shù)據(jù)挖掘分類算法研究.pdf
- 一種Rete算法的改進(jìn)方法.pdf
評論
0/150
提交評論