版權(quán)說(shuō)明:本文檔由用戶(hù)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、模式分類(lèi)與預(yù)測(cè)是統(tǒng)計(jì)決策、模式識(shí)別與人工智能,及信號(hào)檢測(cè)等領(lǐng)域的重要研究?jī)?nèi)容之一。模式分類(lèi)的經(jīng)典統(tǒng)計(jì)方法包括統(tǒng)計(jì)檢驗(yàn)假設(shè)法、Bayes判別法、Fisher判別法,對(duì)數(shù)線(xiàn)性回歸模型等參數(shù)化方法。經(jīng)典統(tǒng)計(jì)判別方法通常假設(shè)樣本充分大,而實(shí)際問(wèn)題中對(duì)象的樣本一般是有限甚至很少的。因此,近年來(lái)基于樣本數(shù)據(jù)驅(qū)動(dòng)的人工神經(jīng)網(wǎng)絡(luò)、聚類(lèi)分析方法、支持向量機(jī)(Support Vector Machines,SVM)等非參數(shù)化模式分類(lèi)判別模型成為模式識(shí)別領(lǐng)域
2、的研究熱點(diǎn)。本文基于支持向量機(jī)模型研究非線(xiàn)性系統(tǒng)辯識(shí)和模式分類(lèi)預(yù)測(cè)問(wèn)題,包括結(jié)合多尺度小波近似理論,提出以多尺度小波函數(shù)作為核函數(shù)的支持向量機(jī)系統(tǒng)辯識(shí)方法;在新型支持向量機(jī)-支持向量域描述模型的基礎(chǔ)上建立了兩類(lèi)分類(lèi)和多類(lèi)分類(lèi)模型,并提出新的分類(lèi)預(yù)測(cè)決策函數(shù);在模型參數(shù)計(jì)算方法上,提出更加嚴(yán)格的含有非負(fù)約束條件的二次優(yōu)化乘性更新迭代改進(jìn)算法。研究的具體內(nèi)容包括如下四個(gè)方面:
①在基于支持向量機(jī)在非線(xiàn)性系統(tǒng)辯識(shí)方面,文獻(xiàn)主要基
3、于固定尺度小波函數(shù)。最小二乘支持向量機(jī)是一種改進(jìn)的支持向量機(jī)模型,使用等式約束條件而不是基本支持向量機(jī)中的不等式約束條件以簡(jiǎn)化對(duì)模型的求解過(guò)程??紤]最小二乘支持向量機(jī)的優(yōu)點(diǎn),使用含有不同分辨率的多尺度小波函數(shù)作為核函數(shù)與正則化理論第二章構(gòu)造了多尺度小波支持向量機(jī)回歸模型,建立了非線(xiàn)性系統(tǒng)辯識(shí)新方法。與固定尺度小波支持向量機(jī)與小波神經(jīng)網(wǎng)絡(luò)系統(tǒng)辯識(shí)模型比較仿真結(jié)果說(shuō)明提出方法更加精確,基于支持向量機(jī)的系統(tǒng)辨識(shí)方法提高了泛化能力。
4、 ②對(duì)于支持向量機(jī)在模式分類(lèi)問(wèn)題中的應(yīng)用,本文基于支持向量域描述模型提出了兩類(lèi)分類(lèi)和多類(lèi)分類(lèi)問(wèn)題的新方法?;局С窒蛄坑蚰P椭饕獞?yīng)用于對(duì)單類(lèi)數(shù)據(jù)的描述和奇異點(diǎn)檢測(cè),特點(diǎn)是使用超球體的表面邊界對(duì)數(shù)據(jù)進(jìn)行描述。基本支持向量域描述模型計(jì)算的目標(biāo)是在其他類(lèi)樣本數(shù)據(jù)位于超球體外部的條件下求解包含正類(lèi)樣本數(shù)據(jù)的最小半徑超球體的球心位置和半徑。該問(wèn)題是一個(gè)含有約束條件的二次規(guī)劃問(wèn)題。對(duì)于該二次規(guī)劃數(shù)學(xué)模型的計(jì)算,第三章提出了非負(fù)二次優(yōu)化乘性更新迭代
5、改進(jìn)算使原來(lái)算法更加嚴(yán)格,并證明了算法收斂性。
③對(duì)于兩類(lèi)分類(lèi)預(yù)測(cè)問(wèn)題,第四章提出一種基于支持向量域描述模型與相對(duì)距離概念的Twin-支持向量域分類(lèi)方法。支持向量域描述模型的分類(lèi)原理是通過(guò)對(duì)數(shù)據(jù)描述的超球?qū)崿F(xiàn)分類(lèi)。受到Twin-支持向量機(jī)的啟發(fā),對(duì)于兩類(lèi)分類(lèi)問(wèn)題,利用兩類(lèi)數(shù)據(jù)樣本的信息,構(gòu)造兩個(gè)優(yōu)化的超球分別描述正類(lèi)與負(fù)類(lèi)數(shù)據(jù)。進(jìn)而基于相對(duì)距離概念,提出新的決策函數(shù)實(shí)現(xiàn)對(duì)樣本的分類(lèi)與預(yù)測(cè)。最后給出兩組實(shí)驗(yàn)結(jié)果說(shuō)明提出分類(lèi)方
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)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(hù)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
- 基于云模型的模糊支持向量機(jī)分類(lèi)方法研究.pdf
- 基于支持向量機(jī)的多分類(lèi)方法研究.pdf
- 基于支持向量機(jī)的稅收預(yù)測(cè)模型研究
- 基于支持向量機(jī)的稅收預(yù)測(cè)模型研究.pdf
- 基于支持向量機(jī)的航段運(yùn)量預(yù)測(cè)模型優(yōu)選方法研究.pdf
- 基于支持向量機(jī)的圖像分類(lèi)方法研究.pdf
- 基于支持向量機(jī)的霧霾預(yù)測(cè)模型研究.pdf
- 基于支持向量機(jī)的變形預(yù)測(cè)方法研究.pdf
- 基于支持向量機(jī)的證券價(jià)格預(yù)測(cè)方法研究.pdf
- 基于支持向量機(jī)的生理信號(hào)預(yù)測(cè)方法研究.pdf
- 基于支持向量機(jī)的煤自燃預(yù)測(cè)方法研究.pdf
- 基于幾何算法的支持向量機(jī)分類(lèi)方法.pdf
- 基于支持向量機(jī)方法的圖像分割與目標(biāo)分類(lèi).pdf
- 基于粒計(jì)算的支持向量機(jī)多分類(lèi)模型研究.pdf
- 基于支持向量機(jī)的農(nóng)業(yè)數(shù)據(jù)分類(lèi)方法研究.pdf
- 基于支持向量機(jī)的布匹瑕疵分類(lèi)方法研究.pdf
- 基于支持向量機(jī)的交通安全預(yù)測(cè)模型研究.pdf
- 基于智能優(yōu)化的支持向量機(jī)分類(lèi)方法研究.pdf
- 基于支持向量機(jī)的風(fēng)速預(yù)測(cè)系統(tǒng).pdf
- 基于支持向量機(jī)的混沌序列預(yù)測(cè)方法研究.pdf
評(píng)論
0/150
提交評(píng)論