本文關(guān)鍵詞：SVMs與FANNs的關(guān)系及分類性能對比　出處：《渤海大學(xué)學(xué)報(自然科學(xué)版)》2016年03期 　論文類型：期刊論文

  更多相關(guān)文章： 模式識別 支持向量機(jī) 前饋人工神經(jīng)網(wǎng)絡(luò) 深度學(xué)習(xí)

【摘要】：研究了支持向量機(jī)(SVMs)與前饋人工神經(jīng)網(wǎng)絡(luò)(FANNs)的關(guān)系.首先說明了兩者在網(wǎng)絡(luò)結(jié)構(gòu)上的相似性,即輸入函數(shù)均可表示為基函數(shù)的線性組合形式.然后指出了兩者之間存在的關(guān)鍵差異:一是優(yōu)化目標(biāo)不同,FANNs只需要達(dá)到經(jīng)驗(yàn)風(fēng)險最小化,而SVMs尋求結(jié)構(gòu)風(fēng)險最小化;二是隱含層含義不同,SVMs的隱含層節(jié)點(diǎn)表現(xiàn)為支持向量,而FANNs則需要預(yù)先設(shè)定;三是模型復(fù)雜性不同,FANNs的模型復(fù)雜性由隱含層神經(jīng)元數(shù)量來控制,而SVMs的復(fù)雜性獨(dú)立于維度.最后,給出了兩者在UCI標(biāo)準(zhǔn)數(shù)據(jù)集上的對比實(shí)驗(yàn),用以評估它們在分類中的性能.
[Abstract]:The relationship between support vector machine (SVMs) and feedforward artificial neural network (FNN) is studied. That is, input functions can be expressed as linear combinations of basis functions. Then the key differences between them are pointed out: one is that only empirical risk minimization is required for different optimization objectives. SVMs seeks structural risk minimization; The other is that the hidden layer nodes with different hidden layer meanings are represented as support vectors, while FANNs needs to be preset. Third, the complexity of the model is controlled by the number of neurons in the hidden layer, while the complexity of SVMs is independent of the dimension. Finally, the model complexity of FANNs is controlled by the number of neurons in the hidden layer. A comparative experiment on UCI standard data set is given to evaluate their performance in classification.
【作者單位】： 渤海大學(xué)信息科學(xué)與技術(shù)學(xué)院;渤海大學(xué)大學(xué)基礎(chǔ)教研部;
【基金】：國家自然科學(xué)基金項(xiàng)目(No:61602056) 遼寧省教育廳科學(xué)研究一般項(xiàng)目(No:L2014444) 2014年度遼寧省社會科學(xué)規(guī)劃基金項(xiàng)目(No:L14BTJ002)
【分類號】：TP391.4;TP18
【正文快照】： 0引言在模式識別領(lǐng)域,支持向量機(jī)(Support Vector Machines,SVMs)〔1-3〕和前饋人工神經(jīng)網(wǎng)絡(luò)(Feed-for-ward Artificial Neural Networks,FANNs)〔4-8〕是兩種有效的方法.SVMs由Vapnik在1995年首次提出,基于統(tǒng)計學(xué)習(xí)理論和結(jié)構(gòu)風(fēng)險最小化原則.從幾何意義上來說,它要找到一個超

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 宋曉峰;陳德釗;胡上序;;支持向量機(jī)泛化能力估計若干方法[J];計算機(jī)科學(xué);2004年08期

2 葛海峰;林繼鵬;劉君華;丁暉;;基于支持向量機(jī)和小波分解的氣體識別研究[J];儀器儀表學(xué)報;2006年06期

3 劉斌;岳會宇;李卓;劉鐵男;;支持向量機(jī)在油層含油識別中的應(yīng)用[J];控制工程;2006年04期

4 李學(xué)鵬;張國基;;基于支持向量機(jī)的電信欠費(fèi)用戶分析模型[J];計算機(jī)應(yīng)用;2006年S2期

5 蔣琳瓊;賀建飚;;基于支持向量機(jī)的貨幣識別應(yīng)用研究[J];計算機(jī)系統(tǒng)應(yīng)用;2007年04期

6 方景龍;陳鑠;潘志庚;梁榮華;;復(fù)雜分類問題支持向量機(jī)的簡化[J];電子學(xué)報;2007年05期

7 張濤;段淑敏;;支持向量機(jī)在中醫(yī)疾病癥候診斷中的應(yīng)用[J];華北水利水電學(xué)院學(xué)報;2007年03期

8 胡金蓮;;支持向量機(jī)的光滑與逼近關(guān)系研究[J];東莞理工學(xué)院學(xué)報;2008年01期

9 張苗;張德賢;;多類支持向量機(jī)文本分類方法[J];計算機(jī)技術(shù)與發(fā)展;2008年03期

10 張苗;張德賢;;多類支持向量機(jī)在文本分類中的應(yīng)用[J];計算機(jī)與現(xiàn)代化;2008年05期

相關(guān)會議論文 前10條

1 劉希玉;徐志敏;段會川;;基于支持向量機(jī)的創(chuàng)新分類器[A];山東省計算機(jī)學(xué)會2005年信息技術(shù)與信息化研討會論文集（一）[C];2005年

2 張曉濱;尹英順;趙培坤;馬秀蘭;;基于漸進(jìn)直推支持向量機(jī)的半對半多類文本分類[A];第三屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議論文集[C];2007年

3 晏慶華;;支持向量機(jī)算法綜述[A];2008'中國信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（二）[C];2008年

4 楊凌;劉玉樹;;基于支持向量機(jī)的坦克識別算法[A];第三屆全國數(shù)字成像技術(shù)及相關(guān)材料發(fā)展與應(yīng)用學(xué)術(shù)研討會論文摘要集[C];2004年

5 高尚;劉夫成;;與κ均值混合的支持向量機(jī)的個人信用評估[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第五分冊）[C];2013年

6 李志明;孔令富;;用于回歸估計的支持向量機(jī)[A];廣西計算機(jī)學(xué)會2005年學(xué)術(shù)年會論文集[C];2005年

7 李優(yōu);;支持向量機(jī)在組塊識別中的應(yīng)用[A];第八屆中國青年運(yùn)籌信息管理學(xué)者大會論文集[C];2006年

8 李智超;余慧佳;馬少平;;使用支持向量機(jī)進(jìn)行作弊頁面識別[A];第三屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議論文集[C];2007年

9 于鷹宇;張小洵;賈云得;;基于局部可控特征及支持向量機(jī)的人臉識別[A];中國感光學(xué)會第七次全國會員代表大會暨學(xué)術(shù)年會和第七屆青年學(xué)術(shù)交流會論文摘要集[C];2006年

10 宋金偉;劉廣利;沈翠華;李迪;;基于支持向量機(jī)的織物組織識別方法[A];第六屆全國信息獲取與處理學(xué)術(shù)會議論文集（2）[C];2008年

相關(guān)博士學(xué)位論文 前10條

1 王喜賓;基于優(yōu)化支持向量機(jī)的個性化推薦研究[D];重慶大學(xué);2015年

2 李華慶;支持向量機(jī)及其在人臉識別中的應(yīng)用研究[D];上海交通大學(xué);2006年

3 郭磊;基于支持向量機(jī)的真實(shí)頭模型三維重建方法的研究[D];河北工業(yè)大學(xué);2007年

4 陳愛軍;最小二乘支持向量機(jī)及其在工業(yè)過程建模中的應(yīng)用[D];浙江大學(xué);2006年

5 業(yè)寧;支持向量機(jī)若干基礎(chǔ)研究及其在圖像識別中的應(yīng)用[D];東南大學(xué);2006年

6 王開義;基于支持向量機(jī)的農(nóng)產(chǎn)品生產(chǎn)關(guān)鍵控制點(diǎn)發(fā)現(xiàn)研究[D];北京工業(yè)大學(xué);2011年

7 陳萬海;基于支持向量機(jī)的超譜圖像分類技術(shù)研究[D];哈爾濱工程大學(xué);2008年

8 秦玉平;基于支持向量機(jī)的文本分類算法研究[D];大連理工大學(xué);2008年

9 沈傳河;金融問題中的支持向量機(jī)應(yīng)用研究[D];山東科技大學(xué);2011年

10 劉路;基于改進(jìn)支持向量機(jī)和紋理圖像分析的旋轉(zhuǎn)機(jī)械故障診斷[D];天津大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 甘樂;基于支持向量機(jī)的高光譜圖像降維與分類研究[D];長江大學(xué);2015年

2 趙越;基于支持向量機(jī)的軟件質(zhì)量評價[D];渤海大學(xué);2016年

3 魏云峰;基于支持向量機(jī)的高校人才評價系統(tǒng)的設(shè)計與實(shí)現(xiàn)[D];吉林大學(xué);2016年

4 卜令超;帶有不確定輸入的支持向量機(jī)的研究及其生物信息學(xué)應(yīng)用[D];江南大學(xué);2009年

5 沈謙;基于支持向量機(jī)的正面人臉檢測研究[D];湖南大學(xué);2005年

6 劉凱軍;支持向量機(jī)研究及其在貨幣識別中的應(yīng)用[D];西安理工大學(xué);2004年

7 吳疆;基于支持向量機(jī)的紅外譜圖識別[D];四川大學(xué);2005年

8 蔣琳瓊;基于支持向量機(jī)的貨幣識別研究[D];中南大學(xué);2007年

9 王曉輝;支持向量機(jī)在人臉識別中的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2006年

10 彭璐;支持向量機(jī)分類算法研究與應(yīng)用[D];湖南大學(xué);2007年

，

本文編號：1432296