学位论文 > 优秀研究生学位论文题录展示
支持向量机增量算法
作 者: 海洋
导 师: 何伟;樊磊
学 校: 中央民族大学
专 业: 概率论与数理统计
关键词: 支持向量机 投票法 在线增量学习 批增量学习
分类号: TP18
类 型: 硕士论文
年 份: 2011年
下 载: 68次
引 用: 0次
阅 读: 论文下载
内容摘要
随着信息时代的到来,特别是随着网络迅猛发展而出现的“信息爆炸”问题,向传统的信息挖掘,知识获取技术提出了巨大的挑战。一方面,我们现在拥有的数据极大丰富,其间蕴含的信息和知识具有很大的潜在价值;另一方面,信息的更新速度也达到了令人吃惊的地步。因此,具有增量学习功能的数据分类技术,正逐渐成为当前信息的智能化发现和挖掘的关键技术之一。与普通的数据分类技术相比,增量学习分类技术具有显著的优越性,这主要表现在两个方面:一方面由于其无须保存历史数据,从而减少了存储空间的占用;另一方面,由于其在新的训练过程中充分利用了历史的训练结果,从而显著地减少了后继训练所需的时间。本文主要采用组合方法,实现了支持向量机的增量学习,具体方法如下:1.首先,在处理实际问题时,多数情况是属于多分类问题,而传统的支持向量机只能解决二分类问题。现在解决多分类问题的主要方法有一对余(OVR),一对一(OVO),二元树(BT),有向非循环图(DAG), QP-MC-SV算法,LP-MC-SV算法,κ-类方法和球形分类器算法,本文采用一对一(OVO)方法解决样本中的多分类问题。2.其次,本文将确定新增样本的数据类型,将新增样本分为在线增量数据和批增量数据两种,并判断新增样本是否违反了Karuch-Kuhn-Tucher (KKT)条件,如果没有违反,新增样本对原支持向量机没有影响;如果违反了,说明新增样本对原支持向量机有影响,需要进行增量学习。根据不同的数据类型,本增量学习算法分为两部分并都采用投票的方法分别进行在线增量学习和批增量学习。3.最后,使用UCI标准数据库中数据集,对本文提出的方法进行实验性分析。从实验结果可以看出,与其他增量学习算法相比,本文提出的方法具有较高的准确率,并且能很好的节省运算时间。
|
全文目录
摘要 2-3 Abstract 3-4 目录 4-5 引言 5-8 第一章 支持向量机,增量算法和组合算法 8-18 第一节 支持向量机 8-15 一、最大边缘超平面 8-10 二、支持向量机 10-15 第二节 增量学习算法与增量数据类型 15-16 一、增量学习算法 15-16 二、增量数据类型 16 第三节 支持向量机组合方法简介 16-18 一、投票组合方法 16-18 第二章 支持向量机组合增量学习算法 18-24 第一节 多类分类器知识 18-20 第二节 SVM增量学习算法 20-21 1) SVM在线增量学习算法 20-21 2) SVM批增量学习算法 21 第三节 实验分析 21-23 第四节 小结 23-24 总结与展望 24-25 参考文献 25-28 致谢 28-29 攻读学位期间发表的学术论文目录 29-30
|
相似论文
- 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 音乐结构自动分析研究,TN912.3
- 基于三维重建的焊点质量分类方法研究,TP391.41
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 基于SVM的中医舌色苔色分类方法研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 基于支持向量机的故障诊断方法研究,TP18
- 过程支持向量机及其在卫星热平衡温度预测中的应用研究,TP183
- 基于监督流形学习算法的固有不规则蛋白质结构预测研究,Q51
- 基于车载3D加速传感器的路况监测研究,TP274
- 高光谱图像技术诊断黄瓜病害方法的研究,S436.421
- 基于机器学习的入侵检测系统研究,TP393.08
- 支持向量机回归在短期电力负荷预测中的应用研究,TM715;F224
- 面向文本分类的改进K近邻的支持向量机算法研究,TP391.1
- 基于AdaBoost算法的人脸识别研究,TP391.41
- 面向肺部CAD的特征提取、选择及分类方法研究,TP391.41
- 城市污水处理厂中A~2O工艺过程的建模研究,X703
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
|