学位论文 > 优秀研究生学位论文题录展示
基于Excessive Gap的SVM割平面算法
作 者: 坚文进
导 师: 周水生
学 校: 西安电子科技大学
专 业: 应用数学
关键词: SVM Excessive Gap 割平面算法
分类号: TP181
类 型: 硕士论文
年 份: 2012年
下 载: 10次
引 用: 0次
阅 读: 论文下载
内容摘要
SVM是数据挖掘的一种新方法,许多SVM所处理的问题都包含大规模样本集和属性集.传统分解法处理大规模线性分类问题也是归结为求解对偶问题,这大大增加了时间和空间复杂度.SVM割平面算法直接求解原二次规划,已有研究表明它在求解这类问题时较传统分解方法要快很多.本文主要研究SVM的割平面算法:本文首先介绍了现有割平面算法——Kelly割平面算法、SVM-Perf算法和BMRM算法及其在SVM领域所取得的研究成果,指出此类割平面算法虽然收敛速度比分解法快,但其收敛性不稳定,且容易产生锯齿型波动.同时研究了基于原对偶方法的ExcessiveGap算法来极小化非光滑凸二次函数,指出该算法能保证迭代前后的解都满足ExcessiveGap条件,具有较好的稳定性同时保持了较快的收敛速度.进一步将Excessive Gap方法用于求解SVM问题,提出了一种新的SVM-ExcessiveGap割平面算法.该算法的迭代点列都是满足Excessive Gap条件的原对偶解对,它不但消除了传统割平面算法的不稳定性,而且在分类精度相差不大的情况下大大提高了割平面算法的收敛速度.实验分析表明SVM-ExcessiveGap算法和其他割平面算法相比有明显的优势.
|
全文目录
摘要 3-4 Abstract 4-7 第一章 绪论 7-17 1.1 支持向量机简介 7-8 1.2 支持向量机基本理论 8-13 1.2.1 SVM 的基本概念 8 1.2.2 SVM 的分类及核函数 8-13 1.2.3 多分类 SVM 13 1.3 SVM 割平面算法概述 13-16 1.3.1 SVM 传统算法的研究现状 13-15 1.3.2 SVM 割平面算法的研究现状 15-16 1.4 本文内容安排 16-17 第二章 支持向量机割平面算法 17-29 2.1 Kelly 割平面算法 17-18 2.2 Joachims割平面算法 18-24 2.2.1 结构化支持向量机 19-20 2.2.2 割平面算法及性质 20-24 2.3 BMRM 算法 24-27 2.3.1 标准 Bundle算法 25-26 2.3.2 BMRM 算法 26-27 2.4 本章小结 27-29 第三章 Excessive Gap 算法 29-37 3.1 Excessive Gap 算法 29-34 3.1.1 问题模型构造 29-30 3.1.2 Excessive Gap 条件 30-31 3.1.3 有效投影 31-34 3.2 Excessive Gap 算法收敛性分析 34-36 3.3 本章小结 36-37 第四章 基于Excessive Gap 的割平面算法 37-45 4.1 基于 Excessive Gap 方法的 SVM算法 37-39 4.1.1 SVM-Excessive Gap 算法 37-39 4.1.2 其他 CPA算法性能分析 39 4.2 SVM-Perf 算法与 SVM-ExcessiveGap算法比较 39-45 结束语 45-47 致谢 47-49 参考文献 49-53 在读期间研究成果 53-54
|
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
- 中文缺省识别研究,TP391.1
- 基于计算机视觉的柑橘品质分级技术研究,TP391.41
- 时变网络乡村邮路问题割平面及蚁群算法研究,O221.4
- 20kV线路接地保护研究,TM862
- 求解约束优化问题的Filter型算法研究,O221.2
- 陕西省烤烟施肥智能专家系统研究,S572
- 支持向量机应用于数字水印的算法研究,TP309.7
- 基于稀疏表达的人脸识别算法研究,TP391.41
- 基于SIFT特征和SVM的场景分类,TP391.41
- 基于SVM分类算法的主题爬虫研究,TP391.3
- 多轴数控机床综合误差建模与补偿的研究,TG659
- 油气田开发动态预警理论及应用,TE323
- 一种新型永磁同步电机控制技术的研究,TM341
- 音乐风格分析研究,J605
- 基于环境参数的过渡环境下人体热感觉预测,TU831
- 电动汽车驱动控制系统的研究,U469.72
- 基于脑波的情感图像检索的研究,TP391.41
- 基于与或图的车牌检测与识别,TP391.41
- 基于本体的医学命名实体识别技术研究,TP391.1
- 基于多普勒气象雷达的风切变预测研究,P415.2
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 > 自动推理、机器学习
© 2012 www.xueweilunwen.com
|