学位论文 > 优秀研究生学位论文题录展示
双阈值控制的字符串核SVM研究
作 者: 张伟
导 师: 孙华志;曾涛
学 校: 天津师范大学
专 业: 教育技术
关键词: SVM SMO 双阈值 字符串核
分类号: TP181
类 型: 硕士论文
年 份: 2009年
下 载: 42次
引 用: 0次
阅 读: 论文下载
内容摘要
支持向量机(SVM)是在统计学习理论(SLT)的基础上发展起来的一种机器学习方法。它建立在结构风险最小原则(SRM)之上,能有效避免过学习、维数灾难、产生局部极小点等问题,在小样本条件下仍具有良好的推广能力。本文旨在对序列最小优化算法(SMO)进行改进,并构造一个字符串核SVM。论文对SMO算法进行详细的分析,指出当所有训练样本都在边界,阈值无法确定时,使用取上下界均值方法带来的优化效率下降问题。针对这个问题,本文提出使用双阈值控制的方法,将KKT条件进行推导转化形成新的优化判断条件,避免了不正确的阈值更新引起的冗余计算。然后本文讨论了结构化数据向量转化中的信息丢失问题,引入结构化核函数的概念。并根据字符串结构特征,构造了一个有限字符串结构核函数,准确地描述了字符串的相似度。并将其应用于字符串样本训练,形成基于字符串核的支持向量机(SSVM),从而将SVM适用范围拓展到结构化数据。实验证明,双阈值SMO算法比SMO算法效率更高,SSVM在字符串分类中能达到较好的效果。最后,本文在LIBSVM基础上开发了一个双阈值控制的SSVM模拟系统。
|
全文目录
摘要 5-6 Abstract 6-9 第一章 绪论 9-11 1.1 研究背景 9-10 1.2 本文工作 10 1.3 论文结构概述 10-11 第二章 统计学习与支持向量机 11-32 2.1 统计学习理论 11-15 2.1.1 VC维 11-12 2.1.2 学习过程的一致性 12-14 2.1.3 结构风险最小原则 14-15 2.2 核函数 15-22 2.2.1 核函数的定义和性质 15-20 2.2.2 核函数的构造方法 20-22 2.3 支持向量机 22-32 2.3.1 SVM模型 22-28 2.3.2 训练算法 28-32 第三章 双阈值控制的字符串核SVM方法设计 32-52 3.1 SMO算法分析 32-42 3.1.1 SMO的KKT优化条件 32-34 3.1.2 二次规划 34-37 3.1.3 变量更新 37-39 3.1.4 优化变量的选择及算法步骤 39-42 3.2 对SMO算法的改进 42-46 3.2.1 SMO阈值更新中的问题 42-44 3.2.2 双阈值SMO算法 44-45 3.2.3 双阈值SMO算法试验分析 45-46 3.3 基于字符串核函数的SVM(SSVM) 46-52 3.3.1 结构化核函数的意义 46-47 3.3.2 字符串核函数的构造方法 47-48 3.3.3 构造一个有限字符串核函数 48-50 3.3.4 SSVM方法试验分析 50-52 第四章 双阈值控制的SSVM模拟系统的实现 52-62 4.1 系统设计目的 52-53 4.2 系统模块设计 53-58 4.2.1 预处理模块 54-56 4.2.2 核函数模块 56-57 4.2.3 训练模块 57 4.2.4 预测模块 57-58 4.3 系统实现 58-59 4.4 系统测试 59-62 4.4.1 二维Iris数据集 59-60 4.4.2 三维Iris数据集 60-61 4.4.3 Australian数据集 61-62 第五章 总结与展望 62-63 参考文献 63-65 致谢 65
|
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 > 自动推理、机器学习
© 2012 www.xueweilunwen.com
|