学位论文 > 优秀研究生学位论文题录展示
支持向量机参数选择的组合方法
作 者: 贾磊
导 师: 廖士中
学 校: 天津大学
专 业: 计算机应用技术
关键词: 支持向量机 模型选择 半径/间隔界 参数调节
分类号: TP18
类 型: 硕士论文
年 份: 2007年
下 载: 231次
引 用: 0次
阅 读: 论文下载
内容摘要
支持向量机的参数选择直接决定着支持向量机的训练效率和应用效果,是支持向量机模型选择研究的重要问题。现有的支持向量机参数选择方法采用嵌套的两层循环优化过程,计算过程中,首先训练分类器,然后更新参数。这类方法存在迭代次数多、选择效果差等问题。针对支持向量机参数选择存在的这一问题,提出并实现了参数选择的组合方法,具体工作包括:1.提出了同时调节参数和分类器的组合优化框架。该框架应用启发式搜索方法搜索参数空间,并在同一迭代过程中调节分类器,实现了参数与分类器的组合优化。2.推导出一个新的半径/间隔界。该界是统计学习理论中的半径/间隔界的一个近似,可在保证学习精度的前提下有效地提高计算效率。3.给出了初始参数的选择方法。从理论上分析了核函数参数在两种极端情形下的渐近性质,讨论了参数选择原则,并给出了参数初始点选择方法。4.设计并实现了组合参数调节算法。该算法应用新推导的半径/间隔界,结合了序贯无约束最小化和变尺度法两个优化算法,能有效地给出参数的最优解。5.开展了实验研究。在UCI数据库Heart,Diabetes,A2a,W1a和Statlog数据库German.Numer五个标准数据集上,测试并比较了所提出的组合参数调节方法与传统的交叉验证、梯度下降等方法的性能。实验结果充分显示了组合方法的有效性。
|
全文目录
摘要 3-4 Abstract 4-7 第一章 绪论 7-9 1.1 工作背景 7-8 1.2 本文工作 8-9 第二章 支持向量机 9-17 2.1 线性SVM 9-11 2.2 软间隔SVM 11-12 2.3 KKT条件 12-14 2.4 非线性SVM 14-17 第三章 支持向量机参数选择 17-27 3.1 模型选择 17-20 3.2 解析法 20-22 3.3 取样法 22-23 3.4 统计学习法 23-25 3.5 迭代策略 25-27 第四章 组合方法 27-35 4.1 引言 27-28 4.2 新半径/间隔界 28-30 4.3 初始点选择 30-33 4.4 同步方案 33-35 第五章 实验分析 35-40 5.1 实验设计 35-36 5.2 结果分析 36-40 第六章 结语 40-41 插图索引 41-42 表格索引 42-43 参考文献 43-46 致谢 46
|
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
- 贝叶斯方法下二值与多值序次数据模型与异常点的同时识别,O212.1
- 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
- 随机网络模型分离,O157.5
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
|