

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、統(tǒng)計學(xué)習(xí)理論(SLT)是機器學(xué)習(xí)領(lǐng)域的一個新的理論體系,它非常適用于解決有限樣本條件下的機器學(xué)習(xí)問題。支持向量機(Support vector machine, SVM)是在統(tǒng)計學(xué)習(xí)理論的基礎(chǔ)上發(fā)展起來的一種小樣本學(xué)習(xí)理論,與神經(jīng)網(wǎng)絡(luò)、遺傳算法、人工智能等現(xiàn)有的機器學(xué)習(xí)方法相比,具有較好的推廣能力和非線性處理能力,尤其是在處理高維數(shù)據(jù)時,有效地解決了“維數(shù)災(zāi)難”問題?,F(xiàn)已廣泛應(yīng)用于模式識別和回歸估計等問題中。 由于SVM還是一門
2、嶄新的技術(shù),無論是理論上還是實際應(yīng)用中都有許多問題亟待解,本文主要針對支持向量分類機的算法問題進(jìn)行了研究: 一是研究了支持向量、中心距離比值、邊界向量以及增量學(xué)習(xí)之間的關(guān)系,提出了基于中心距離比值的增量支持向量機。與傳統(tǒng)方法相比,基于中心距離比值的增量支持向量機有效的利用了中心距離比值,解決了CDRM+SVM的閾值選取問題;且適合于增量學(xué)習(xí);從而在保證了SVM的分類能力沒有受到影響的前提下大大地提高了SVM的訓(xùn)練速度。
3、二是為了彌補最小二乘支持向量機(LS- SVM)所缺失的稀疏性,結(jié)合中心距離比值提出了一種稀疏最小二乘支持向量機。該方法不僅彌補了LS- SVM的稀疏性,而且減少了計算機的存儲量和計算量,加快了LS- SVM的訓(xùn)練速度和決策速度,且不影響LS- SVM的分類能力。 三是利用SVM中支持向量的稀疏性和支持向量分布于分劃超平面周圍的性質(zhì),提出了一種預(yù)抽取相對較近邊界向量的選塊算法,該算法提高了FFMVM方法的準(zhǔn)確率和減少了普通選塊算
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
- 模糊支持向量分類機.pdf
- 基于邊界樣本選擇的支持向量機.pdf
- 若干改進(jìn)的支持向量分類機.pdf
- 支持向量分類機的核函數(shù)研究.pdf
- 訓(xùn)練支持向量分類機的算法研究.pdf
- 基于邊界向量預(yù)選的支持向量機算法研究.pdf
- 支持向量分類機的訓(xùn)練與簡化算法研究.pdf
- 基于樣本約簡的支持向量機.pdf
- 孿生二叉樹支持向量分類機.pdf
- 支持向量分類機(SVC)在量化選股中的應(yīng)用.pdf
- 基于支持向量機的不平衡樣本集分類算法研究.pdf
- 高斯核函數(shù)支持向量分類機超級參數(shù)有效范圍研究.pdf
- 基于支持向量機的新聞音頻分類.pdf
- 基于支持向量機的點焊質(zhì)量分類.pdf
- 大樣本支持向量機研究.pdf
- 基于支持向量機的音樂自動分類.pdf
- 基于支持向量機的分類算法研究.pdf
- 基于幾何算法的支持向量機分類方法.pdf
- 基于支持向量機的文本分類研究.pdf
- 基于支持向量機的金融文本情感分類.pdf
評論
0/150
提交評論