已閱讀1頁，還剩62頁未讀， 繼續(xù)免費閱讀
版權說明：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，請進行舉報或認領
文檔簡介
1、由于支持向量機在處理高維小樣本數(shù)據(jù)時的識別精度顯著優(yōu)于傳統(tǒng)機器學習方法，因此支持向量機的多分類編碼方法與應用研究是近年來多分類研究的熱點。但是由于采用SVM進行多分類時必須將SVM的二分類擴展至多分類，易出現(xiàn)決策盲區(qū)、數(shù)據(jù)集傾斜，Consistent-diverse等問題，從而導致最終決策產(chǎn)生偏差甚至是錯誤的情況，因此，本課題擬舍棄現(xiàn)有的1vs1、1vsA、ECOC等思想，通過一種全新的思路和視角來構建基于SVM的多分類模型以解決上述問
2、題。
本論文的主要研究工作包含:設計了一種獲取樣本集線性可分情況的簡單有效的方法，并在此基礎上，提出了一種基于支持向量機的多分類模型的構造方法，旨在優(yōu)化支持向量機的多分類效果和效率，彌補上述算法的不足;以BreastTissue數(shù)據(jù)集為例進行方法解釋，完成對應的算法設計和編碼實現(xiàn);運用不同的數(shù)據(jù)集(Iris、BreastTissue、Statlog(Image Segment》，對本文提出的支持向量機多分類方法進行效果驗證
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)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權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)容負責。
- 6. 下載文件中如有侵權或不適當內(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確性、安全性和完整性, 同時也不承擔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
- 基于粒計算的支持向量機多分類模型研究.pdf
- 基于多分類支持向量機的選股模型研究.pdf
- 基于支持向量機的多分類算法研究.pdf
- 基于支持向量機的多分類方法研究.pdf
- 基于多分類支持向量機的快速入侵檢測模型.pdf
- 基于BPSO的多分類支持向量機研究.pdf
- 基于支持向量機的多分類問題研究.pdf
- 基于支持向量機的多分類方法研究及應用.pdf
- 基于多分類支持向量機的人臉識別研究.pdf
- 支持向量機的多分類擴展算法研究.pdf
- 支持向量機多分類直接算法研究.pdf
- 多分類支持向量機算法和應用研究.pdf
- 多分類廣義加權支持向量機研究.pdf
- 支持向量機多分類方法的研究及應用.pdf
- 基于趨同的支持向量回歸機多分類方法研究.pdf
- 多分類支持向量機的推廣性能.pdf
- 基于小波和支持向量機模型的音頻分類研究.pdf
- 基于聚類與支持向量機多分類的WSN入侵檢測研究.pdf
- 基于支持向量機的圖像分類和檢索研究.pdf
- 多分類問題的投影雙子支持向量機及其應用.pdf
評論
0/150
提交評論