【英文题名】
Research on Classification Algorithm of Support Vector Machine and Its Applications
【作者】
彭璐 ;
【导师】
章兢 ;
【学位授予单位】
湖南大学 ;
【学科专业名称】
控制理论与控制工程
【学位年度】
2007
【论文级别】
硕士
【网络出版投稿人】
湖南大学
【网络出版投稿时间】
2007-09-27
【关键词】
统计学习理论 ;
支持向量机 ;
分类算法 ;
神经网络 ;
遗传算法 ;
参数选择 ;
模糊C-均值聚类 ;
故障诊断 ;
【英文关键词】
SLT ;
SVM ;
Classification algorithm ;
NN ;
GA ;
Parameter selection ;
Fuzzy c-means Clustering ;
fault diagnosis ;
【中文摘要】
统计学习理论建立在结构风险最小化原则基础上,它是专门针对小样本情况下的机器学习问题而建立的一套新的理论体系。基于统计学习理论的支持向量机算法具有理论完备、全局优化、适应性强、推广能力好等优点,是机器学习研究的新热点。它在最小化经验风险的同时,有效提高了算法的泛化能力,具有良好的应用价值和发展前景。
本文首先系统研究了支持向量机的求解方法,讨论了几类主要的改善支持向量机的方法:二次规划求解方法,分解算法,增量算法以及集成多种技术的分类算法等。接下来对支持向量机算法和神经网络算法进行了全面的性能比较,通过仿真实验反映两者的性能差异,详细说明了支持向量机在学习性能上的特点和优势。
此外,本文讨论了支持向量机参数调整的各种方法,在构造支持向量机的过程中,参数选择是否合理,直接决定了学习机器的性能优劣。本文中引入遗传算法对支持向量机的核参数及误差惩罚参数C进行优化选择,使支持向量机具有较好的分类性能。实验结果表明了基于遗传算法的参数选择方法的有效性和可行性。
在第四章,本文重点提出了两种支持向量机的改进算法。针对支持向量机在大规模数据集学习问题的...
【英文摘要】
Statistical learning theory (SLT) is based on the structural risk minimization (SRM) principle, and is a new set of theory system, which specially aims at machine learning issues under the circumstances of small-sample. Support vector machine (SVM) based on the SLT is a new approach and research field in machine learning because of its advantages such as firm mathematic theory foundation, strict theory analysis, complete theory, global optimization as well as good adaptability and generalization....
【更新日期】
2007-10-15
【相同导师文献】
导师:章兢 导师单位:湖南大学 学位授予单位:湖南大学
[1] 张玉凤.湖南大学文化空间研究 [D]. 湖南大学,2022
[2] 黄群发.基于CUDA平台的燃煤火焰图像分割方法研究 [D]. 湖南大学,2014
[3] 胡超杰.差分进化算法及其在电机参数辨识中的应用研究 [D]. 湖南大学,2013
[4] 陈晓可.重型电动轮自卸车传动控制与故障诊断系统 [D]. 湖南大学,2007
[5] 梁烨炜.K-均值聚类算法的改进及其应用 [D]. 湖南大学,2012
[6] 刘峥.基于多传感器信息融合的柴油机故障诊断系统 [D]. 湖南大学,2010
[7] 钱彭飞.基于JAVA EE轻量级框架的课程教学管理平台的设计与实现 [D]. 湖南大学,2012
[8] 张亮.采用量子进化算法学习的贝叶斯网络及其应用研究 [D]. 湖南大学,2011
[9] 李怀良.人工鱼群算法在电机参数辨识中的应用 [D]. 湖南大学,2011
[10] 杜秀伟.快速响应矩阵码识别研究及其在车站自动售票系统中的应用 [D]. 湖南大学,2009
【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
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。
【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。