模糊支持向量機的增量學(xué)習(xí)算法研究.pdf

1、統(tǒng)計學(xué)習(xí)理論是目前針對小樣本統(tǒng)計估計和預(yù)測學(xué)習(xí)的最佳理論，支持向量機是建立在統(tǒng)計學(xué)習(xí)理論基礎(chǔ)之上的機器學(xué)習(xí)算法，在解決小樣本、高維數(shù)據(jù)上有很好且穩(wěn)定的特性。為了降低噪音點對支持向量機的影響，2002年Lin等人將模糊理論引入到支持向量機中提出了模糊支持向量機的概念。本文針對模糊支持向量機現(xiàn)有算法的一些缺陷，提出了兩個改進(jìn)算法。
　　本文的主要工作如下:
　　(1)提出一種模糊支持向量機問題的求解算法，現(xiàn)有的求解算法中，大都使

2、用一般最優(yōu)化問題的求解方法，但這些方法并不適合求解大規(guī)模模糊支持向量機問題。本文將序列最小最優(yōu)化算法應(yīng)用到求解模糊支持向量機的優(yōu)化問題上，實驗結(jié)果表明該方法求解模糊隸屬度的速度達(dá)到了LIBSVM軟件的求解水平。
　　(2)將增量學(xué)習(xí)算法引入到模糊支持向量機中，該方法有兩個優(yōu)點:一是引入增量學(xué)習(xí)，使模糊支持向量機能夠應(yīng)用到大規(guī)模樣本集上;二是根據(jù)增量的特性提出一種新的模糊隸屬度求解方法，該模糊隸屬度的求解方法不受模糊支持向量機核函數(shù)