基于交替乘子方向法的非平行支持向量機(jī)研究
發(fā)布時間:2020-12-10 19:44
非平行支持向量機(jī)是支持向量機(jī)的延伸和擴(kuò)展,且其可以劃分具有交叉流行結(jié)構(gòu)的數(shù)據(jù)。交替乘子方向法是一種適用于可分離凸規(guī)劃問題的簡單而有效的方法,近年來,該算法由于在眾多領(lǐng)域具有高效的實際應(yīng)用而備受關(guān)注。因此,本文將交替乘子方向法應(yīng)用于求解非平行支持向量機(jī),從而得到幾個基于交替乘子方向法的非平行支持向量機(jī)。本文的研究內(nèi)容主要分為以下兩個部分:第一部分首先介紹了傳統(tǒng)的限定雙子支持向量機(jī),然后在其基礎(chǔ)上,構(gòu)造基于交替乘子方向法的L2-模限定雙子支持向量機(jī)模型,并得出其相應(yīng)的求解算法,本文證明了它的收斂性。由于L2-模正則項使解失去了稀疏性,且對噪聲和離群點較為敏感,因此,為了降低該方法對噪聲和離群點的敏感性,本文用L1-模正則項取代模型中的L2-模正則項,從而得到基于交替乘子方向法的L1-模限定雙子支持向量機(jī)模型,并得出其相應(yīng)的求解算法。本文在UCI數(shù)據(jù)集上的幾個數(shù)值實驗驗證了本算法的有效性。第二部分首先介紹了雙側(cè)最佳擬合超平面分類機(jī),由于它是一個非凸問題,因此它可以通過使用凹凸過程來對...
【文章來源】:浙江工業(yè)大學(xué)浙江省
【文章頁數(shù)】:70 頁
【學(xué)位級別】:碩士
【部分圖文】:
最大化間隔支持向量機(jī)通過上下平移產(chǎn)生的超平面將樣本最大間隔分隔開,其求解變量w
分別擬合一類樣本而同時遠(yuǎn)離另一類樣本。但不遠(yuǎn)離擬合超平面的一類樣本位于擬合超平面的一允許遠(yuǎn)離擬合超平面的一類樣本位于擬合超平面本保持一定的距離。此外,雙側(cè)最佳擬合超平面樣本分別使用了兩個不同的對稱斜坡?lián)p失函數(shù),化問題,該方法同樣適合求解大規(guī)模問題且所得佳擬合超平面分類機(jī)同樣在 n 維空間中構(gòu)造如(對于第一個超平面,線性雙側(cè)最佳擬合超平面分行超平面1 11Tw x b 和1 11Tw x b 之間, 面 的 兩 側(cè) 且 與 正 類 樣 本 保 持 至 少12 / w,具體思想如圖 2.2 所示,其中 0,1 是一個自類樣本,藍(lán)色“*”表示負(fù)類樣本。
浙江工業(yè)大學(xué)碩士學(xué)位論文其中: pos 1 s2R a H a H a 為斜坡?lián)p失函數(shù), neg 1sR a H a H a , max 0, tH a t a為合頁損失函數(shù)。s 1,0 是一個控制對稱斜坡?lián)p失函數(shù)中平坦部分寬度的參數(shù),對稱斜坡?lián)p失函數(shù)具體如圖 2.3 所示。
【參考文獻(xiàn)】:
期刊論文
[1]支持向量機(jī)動態(tài)多分類方法[J]. 房漢鳴,稅愛社,汪輝,宗福興. 后勤工程學(xué)院學(xué)報. 2017(02)
[2]改進(jìn)支持向量機(jī)的網(wǎng)絡(luò)流量預(yù)測[J]. 王雪松. 計算機(jī)系統(tǒng)應(yīng)用. 2017(03)
[3]基于支持向量機(jī)的車輛駕駛行為識別研究[J]. 祝儷菱,劉瀾,趙新朋,楊達(dá). 交通運(yùn)輸系統(tǒng)工程與信息. 2017(01)
[4]模糊聚類光滑支持向量機(jī)[J]. 劉三陽,吳德. 控制與決策. 2017(03)
[5]基于層次支持向量機(jī)的脈搏信號情感識別[J]. 杜昭慧,司玉娟. 吉林大學(xué)學(xué)報(信息科學(xué)版). 2017(01)
[6]基于粒子群的支持向量機(jī)圖像識別[J]. 韓曉艷,趙東. 液晶與顯示. 2017(01)
[7]神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)在認(rèn)知診斷中的應(yīng)用[J]. 汪文義,丁樹良,宋麗紅,鄺錚,曹慧媛. 心理科學(xué). 2016(04)
[8]SVM支持向量機(jī)在遙感圖像中的應(yīng)用研究[J]. 紀(jì)凱,韓棟. 湖南城市學(xué)院學(xué)報(自然科學(xué)版). 2016(03)
[9]線性預(yù)測編碼和支持向量機(jī)在目標(biāo)識別中的應(yīng)用[J]. 陳文青. 艦船科學(xué)技術(shù). 2016(02)
[10]支持向量機(jī)在語音識別中的應(yīng)用[J]. 高家寶. 軟件導(dǎo)刊. 2015(01)
本文編號:2909268
【文章來源】:浙江工業(yè)大學(xué)浙江省
【文章頁數(shù)】:70 頁
【學(xué)位級別】:碩士
【部分圖文】:
最大化間隔支持向量機(jī)通過上下平移產(chǎn)生的超平面將樣本最大間隔分隔開,其求解變量w
分別擬合一類樣本而同時遠(yuǎn)離另一類樣本。但不遠(yuǎn)離擬合超平面的一類樣本位于擬合超平面的一允許遠(yuǎn)離擬合超平面的一類樣本位于擬合超平面本保持一定的距離。此外,雙側(cè)最佳擬合超平面樣本分別使用了兩個不同的對稱斜坡?lián)p失函數(shù),化問題,該方法同樣適合求解大規(guī)模問題且所得佳擬合超平面分類機(jī)同樣在 n 維空間中構(gòu)造如(對于第一個超平面,線性雙側(cè)最佳擬合超平面分行超平面1 11Tw x b 和1 11Tw x b 之間, 面 的 兩 側(cè) 且 與 正 類 樣 本 保 持 至 少12 / w,具體思想如圖 2.2 所示,其中 0,1 是一個自類樣本,藍(lán)色“*”表示負(fù)類樣本。
浙江工業(yè)大學(xué)碩士學(xué)位論文其中: pos 1 s2R a H a H a 為斜坡?lián)p失函數(shù), neg 1sR a H a H a , max 0, tH a t a為合頁損失函數(shù)。s 1,0 是一個控制對稱斜坡?lián)p失函數(shù)中平坦部分寬度的參數(shù),對稱斜坡?lián)p失函數(shù)具體如圖 2.3 所示。
【參考文獻(xiàn)】:
期刊論文
[1]支持向量機(jī)動態(tài)多分類方法[J]. 房漢鳴,稅愛社,汪輝,宗福興. 后勤工程學(xué)院學(xué)報. 2017(02)
[2]改進(jìn)支持向量機(jī)的網(wǎng)絡(luò)流量預(yù)測[J]. 王雪松. 計算機(jī)系統(tǒng)應(yīng)用. 2017(03)
[3]基于支持向量機(jī)的車輛駕駛行為識別研究[J]. 祝儷菱,劉瀾,趙新朋,楊達(dá). 交通運(yùn)輸系統(tǒng)工程與信息. 2017(01)
[4]模糊聚類光滑支持向量機(jī)[J]. 劉三陽,吳德. 控制與決策. 2017(03)
[5]基于層次支持向量機(jī)的脈搏信號情感識別[J]. 杜昭慧,司玉娟. 吉林大學(xué)學(xué)報(信息科學(xué)版). 2017(01)
[6]基于粒子群的支持向量機(jī)圖像識別[J]. 韓曉艷,趙東. 液晶與顯示. 2017(01)
[7]神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)在認(rèn)知診斷中的應(yīng)用[J]. 汪文義,丁樹良,宋麗紅,鄺錚,曹慧媛. 心理科學(xué). 2016(04)
[8]SVM支持向量機(jī)在遙感圖像中的應(yīng)用研究[J]. 紀(jì)凱,韓棟. 湖南城市學(xué)院學(xué)報(自然科學(xué)版). 2016(03)
[9]線性預(yù)測編碼和支持向量機(jī)在目標(biāo)識別中的應(yīng)用[J]. 陳文青. 艦船科學(xué)技術(shù). 2016(02)
[10]支持向量機(jī)在語音識別中的應(yīng)用[J]. 高家寶. 軟件導(dǎo)刊. 2015(01)
本文編號:2909268
本文鏈接:http://www.sikaile.net/kejilunwen/zidonghuakongzhilunwen/2909268.html
最近更新
教材專著