学位论文 > 优秀研究生学位论文题录展示
支持向量机的核选择
作 者: 罗林开
导 师: 林成德
学 校: 厦门大学
专 业: 控制理论与控制工程
关键词: SVM 核选择 秩空间差异性 鲁棒度 平分最近点
分类号: TP18
类 型: 博士论文
年 份: 2007年
下 载: 1088次
引 用: 12次
阅 读: 论文下载
内容摘要
由Vapnik等人提出的支持向量机(Support Vector Machine,SVM)技术,由于具有极强的模型泛化能力,不会陷入局部极小点,以及很强的非线性处理能力等特点,近十年来取得了全面飞速的发展,获得了大量成功的应用,已成为模式识别中最为活跃的研究领域之一。当前,选择合适的核函数及其参数(核选择)已成为SVM进一步发展的关键点和难点。核函数决定了SVM的非线性处理能力,也决定着分类函数的构造,而对具体问题而言,选择合适的核函数及其参数,还存在着许多的实际困难。针对SVM中的核选择问题,本文对SVM的模型问题、特征空间线性可分的结构问题、核学习中基核的选择问题、以及核函数及其参数的评判准则问题开展了深入的探讨,主要的工作有:1.在SVM的模型方面,给出了L2-范数下平分最近点原理问题;然后得到了它的解与最大间隔原理问题的解之间的关系,建立了它与最大间隔原理的等价性;指出它还具有模型性质更好、几何意义更直观、能利用求解凸包之间距离的内点算法等优点;最后给出了它的SMO(Sequential minimal optimization)求解算法。2.在特征空间线性可分的结构方面,利用平分最近点原理模型,通过对核矩阵零空间的深入分析,得出特征空间中样本线性可分与核矩阵零空间关系的一个充要条件。3.在基核矩阵的选取方面,首先提出矩阵的秩空间差异性(Rank Space Diversity,RSD)概念,其次将其作为基核矩阵的差异性度量,由此导出选择基核矩阵的一个定量规则“基核矩阵的秩空间差异性越大越好”。我们还给出了基于L2-范数下平分最近点原理的核学习模型和模型求解算法;最后通过实验验证了基核矩阵选择规则的有效性。4.在核函数及其参数的评判准则方面,首先从分类函数抗样本扰动的“泛化性能”出发,分析了传统最大间隔原理的不足,提出了分类函数的鲁棒度概念;探讨了鲁棒度的性质;并提出用最大鲁棒度作为核选择的评判准则;通过与经典的交叉验证方法和最小支持向量数方法的实验对比,表明最大鲁棒度准则克服了交叉验证方法时间代价高,最小支持向量数方法测试准确率不稳定的缺点,获得了很好的结果。5.在核学习方面,提出了按单属性设计基核,以最大鲁棒度为优化目标的核学习方法,给出了鲁棒度的梯度计算公式和模型的求解算法,并用实验表明了该方法的有效性和优越性。
|
全文目录
摘要 4-6 Abstract 6-12 第一章 绪论 12-20 1.1 本文的研究背景和研究意义 12-13 1.2 研究现状与发展方向 13-16 1.3 本文的主要工作和创新点 16-18 1.4 本文的章节安排 18-19 1.5 本文的主要符号 19-20 第二章 支持向量机的理论基础 20-33 2.1 引言 20 2.2 统计学习理论 20-23 2.3 支持向量机 23-27 2.4 正定核 27-32 2.5 本章小结 32-33 第三章 L2-范数下平分最近点原理与最大间隔原理的等价性 33-48 3.1 引言 33 3.2 L1-范数下平分最近点原理与最大间隔原理的等价性 33-36 3.3 L2-范数下平分最近点原理与最大间隔原理的等价性 36-42 3.4 L2-范数下平分最近点原理模型的最小序贯算法 42-47 3.5 本章小结 47-48 第四章 秩空间差异性:基核矩阵的一个差异性度量 48-64 4.1 引言 48-49 4.2 平分最近点原理与可分性 49-51 4.3 矩阵的秩空间差异性与基核矩阵的选择 51-56 4.4 基于平分最近点原理的核矩阵学习 56-61 4.5 实验与分析 61-63 4.6 本章小结 63-64 第五章 最大鲁棒度准则 64-78 5.1 引言 64-65 5.2 最大鲁棒度准则 65-70 5.3 基于最大鲁棒度的模型参数选择 70-77 5.4 本章小结 77-78 第六章 基于最大鲁棒度准则的核学习 78-90 6.1 引言 78 6.2 基于最大鲁棒度准则的核学习模型 78-80 6.3 梯度的计算 80-84 6.4 模型求解算法 84-86 6.5 实验与结果分析 86-89 6.6 本章小结 89-90 第七章 总结与展望 90-92 参考文献 92-101 致谢 101
|
相似论文
- 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
- 基于SVM分类算法的主题爬虫研究,TP391.3
- 基于计算机视觉的柑橘品质分级技术研究,TP391.41
- 海南雾的天气气候特征分析及预报方法研究,P457
- 基于粗糙集和模糊SVM的车牌识别技术研究,TP391.41
- 基于支持向量机的视频目标检测方法研究,TP391.41
- 基于SVM和形状特征的电极三维模型分类检索的研究,TP391.41
- 心电特征提取及分类方法研究,TN911.7
- 多特征融合的视觉跟踪算法研究,TP391.41
- 基于多普勒气象雷达的风切变预测研究,P415.2
- 基于本体的医学命名实体识别技术研究,TP391.1
- 基于与或图的车牌检测与识别,TP391.41
- 基于脑波的情感图像检索的研究,TP391.41
- 电动汽车驱动控制系统的研究,U469.72
- 基于环境参数的过渡环境下人体热感觉预测,TU831
- 音乐风格分析研究,J605
- 基于SIFT特征和SVM的场景分类,TP391.41
- 基于稀疏表达的人脸识别算法研究,TP391.41
- 基于STM32异步电机SVM-DTC系统的设计,TM921.2
- 20kV线路接地保护研究,TM862
- 基于SVM-RFE的潜在生物标志物选择算法研究,TP311.13
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论
© 2012 www.xueweilunwen.com
|