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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、用機(jī)器學(xué)習(xí)的方法分析數(shù)據(jù)、挖掘海量數(shù)據(jù)背后的知識(shí),促成了數(shù)據(jù)挖掘的產(chǎn)生。聚類分析是數(shù)據(jù)挖掘的一項(xiàng)重要功能,其作為數(shù)據(jù)分割的方法,能將具有相似性質(zhì)的數(shù)據(jù)劃分到同一類中,因此也常常用作異常數(shù)據(jù)點(diǎn)識(shí)別的方法。支持向量機(jī)是借助于最優(yōu)化方法解決機(jī)器學(xué)習(xí)問題的新工具,最初于20世紀(jì)90年代由Vapnik提出,它通過核函數(shù)工作在特征空間,也就是在輸入空間無法解決的非線性問題可在特種空間中獲得線性性能。而核函數(shù)作為實(shí)現(xiàn)非線性映射的重要途徑是支持向量機(jī)得
2、到廣泛應(yīng)用和取得良好效果的關(guān)鍵所在。將支持向量機(jī)應(yīng)用聚類分析構(gòu)成支持向量聚類算法,在該算法中高斯核函數(shù)可調(diào)參數(shù)的唯一性和數(shù)據(jù)樣本空間分布的不均勻性,使其在樣本的稠密區(qū)域產(chǎn)生過學(xué)習(xí)現(xiàn)象,而在樣本的稀疏區(qū)域則產(chǎn)生欠學(xué)習(xí)現(xiàn)象,限制了支持向量機(jī)泛化性能。因此,本文提出了泛化能力更強(qiáng)的加權(quán)多寬度高斯核函數(shù)。
本論文主要研究了基于加權(quán)多寬度高斯核函數(shù)的聚類算法。研究加權(quán)多寬度高斯核的意義在于一方面可以擴(kuò)展支持向量機(jī)的應(yīng)用性,提高支持向
3、量機(jī)的性能,進(jìn)而擴(kuò)展模式分析、人工智能和機(jī)器學(xué)習(xí);另一方面核方法作為一門獨(dú)立的學(xué)科,處于剛剛發(fā)展的初始階段,其潛力還沒有得以完全發(fā)掘。
本論文主要?jiǎng)?chuàng)新工作是:
1.在支持向量聚類中,普通高斯核函數(shù)存在局限性,提出了泛化能力更強(qiáng)的加權(quán)多寬度高斯核函數(shù),通過多參數(shù)調(diào)節(jié)提高核的學(xué)習(xí)能力和泛化能力。
2.將加權(quán)多寬度高斯核學(xué)習(xí)引入到聚類分析中,提出了一種加權(quán)多寬度高斯核聚類算法。通過加權(quán)多寬度高斯核的非
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(qǐng)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(qǐng)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(huì)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(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 加權(quán)多寬度高斯核及其支持向量分類和網(wǎng)絡(luò)核模式.pdf
- 支持向量機(jī)中高斯核函數(shù)的研究.pdf
- 支持向量機(jī)的核方法及其多核聚類算法的研究.pdf
- 基于多尺度核加權(quán)融合的支持向量機(jī)核函數(shù)優(yōu)化方法的研究.pdf
- 基于高斯核的KSOFM聚類算法研究.pdf
- 基于支持向量機(jī)的改進(jìn)的密度聚類算法研究.pdf
- 基于模糊聚類的支持向量機(jī)的分類算法研究.pdf
- 基于加權(quán)增量的支持向量機(jī)分類算法研究.pdf
- 高斯核函數(shù)支持向量分類機(jī)超級(jí)參數(shù)有效范圍研究.pdf
- 基于聚類算法和支持向量機(jī)算法的文本分類算法研究.pdf
- 基于鏈核和加權(quán)支持向量機(jī)的microRNA前體識(shí)別算法研究.pdf
- 基于加權(quán)度量支持向量機(jī)下的分類算法研究.pdf
- 基于聚類分塊支持向量機(jī)的入侵檢測(cè)算法
- 分布式單類支持向量機(jī)聚類算法研究.pdf
- 基于核函數(shù)的模糊聚類算法研究.pdf
- 基于聚類分塊支持向量機(jī)的入侵檢測(cè)算法.pdf
- 基于加權(quán)增量的支持向量機(jī)分類算法研究(1)
- 核空間聚類算法及其在大規(guī)模支持向量機(jī)應(yīng)用中的研究.pdf
- 分布式單類支持向量機(jī)聚類算法研究
- 支持向量分類機(jī)的核函數(shù)研究.pdf
評(píng)論
0/150
提交評(píng)論