【英文题名】
Kernel Methods and Model Selection for Support Vector Machines
【作者】
常群 ;
【导师】
王晓龙 ;
【学位授予单位】
哈尔滨工业大学 ;
【学科专业名称】
计算机应用技术
【学位年度】
2007
【论文级别】
博士
【网络出版投稿人】
哈尔滨工业大学
【网络出版投稿时间】
2008-12-02
【基金】
国家自然科学;
【关键词】
支持向量机 ;
核方法 ;
模型选择 ;
【英文关键词】
support vector machines ;
kernel methods ;
model selection ;
【中文摘要】
支持向量机是20世纪90年代发展起来的学习机器模型,通过控制学习机器的容量和经验误差,构造对未来数据的预测规则。支持向量机已被广泛的应用于机器学习的多个领域,在模式识别、分类、函数逼近、聚类等领域都有高性能的表现。
一般地,支持向量机通过核函数工作在特征空间,也就是,在输入空间无法处理的非线性问题可在特征空间中获得线性性能,从而有利于问题的解决。核函数是支持向量机模型的主要元素,直接影响其性能。一切数据之间的依赖关系、先验知识都通过核函数度量和携带。因此研究支持向量机的核方法对于提高支持向量机的性能、推广支持向量机的应用有重要的意义。
仅仅有高性能的核函数对于构造支持向量机模型是不充分的,还要有与之对应的高性能模型选择算法。模型选择算法通过发现最优的模型参数,从而使支持向量机达到最好的性能。
单类支持向量机是一个无监督的学习机器模型,由于缺乏模型选择的标准,其模型选择问题一直没有解决。虽然其模型参数对模型的影响被细致的讨论过,但模型选择一直是基于手工的方式解决,这显然缺乏合理性。文中指出,单类支持向量机的模型选择问题,可类比于一个开环系统,由于缺乏反馈信息,所以模型选择的切入...
【英文摘要】
Support vector machines (SVM), born in 1990s, are a kind of excellent mathematical model. SVM constructs the predicting rules by controlling the capacity of approximating functionals and the empirical errors. SVM is widely used in many fields of machine learning, such as pattern recognition, classification, function approximation, and clustering.
Generally, SVM works in feature space by kernel mapping, and this aims to acquire linear property in feature space for nonlinear problems in input space....
【更新日期】
2008-12-17
【相同导师文献】
导师：王晓龙 导师单位：哈尔滨工业大学 学位授予单位：哈尔滨工业大学基于预训练语言模型的人物性格分析研究 [D]. 哈尔滨工业大学,2023不同粒度群体的时序影响关系挖掘 [D]. 哈尔滨工业大学,2021基于投资行为的用户画像建模及行为预测方法研究 [D]. 哈尔滨工业大学,2023基于金融事件的用户投资行为分析方法 [D]. 哈尔滨工业大学,2023基于时序相关性的证券聚类方法研究 [D]. 哈尔滨工业大学,2023基于用户投资历程的自然语言点评生成方法研究 [D]. 哈尔滨工业大学,2022基于多任务预训练模型的Text2SQL生成方法研究 [D]. 哈尔滨工业大学,2023面向文本的价值观多极性分类方法研究 [D]. 哈尔滨工业大学,2023结合多因子选股与强化学习算法的自动投资策略研究 [D]. 哈尔滨工业大学,2023面向用户操盘回放的自然语言点评 [D]. 哈尔滨工业大学,2021
【相似文献】
中国期刊全文数据库
中国优秀硕士学位论文全文数据库
中国博士学位论文全文数据库
中国重要会议论文全文数据库
中国重要报纸全文数据库
中国学术期刊网络出版总库
【文献分类导航】从导航的最底层可以看到与本文研究领域相同的文献，从上层导航可以浏览更多相关领域的文献。
| 
点击下列相关研究机构和相关文献作者，可以直接查到这些机构和作者被《中国知识资源总库》收录的其它文献，使您全面了解该机构和该作者的研究动态和历史。
