資源描述：
《支持向量機(jī)的快速優(yōu)化算法》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、學(xué)校代碼：１０２７０分類(lèi)號(hào)；０２４學(xué)號(hào)；１３２２００６０６上４畔絶乂寒碩±學(xué)位論文支持向量機(jī)的快速化化算法學(xué)院；數(shù)理學(xué)曉專業(yè)：計(jì)算數(shù)學(xué)研究方向：模式巧別研究生姓名；孔令彥指導(dǎo)教師；彭新傻副教授完成日期：２０１６年０３月ＳｈａｎｈａｉＮｏｒｍａｌＵｎｉｖｅｒｓｉｔＭａｓｔｅｒＴｈｅｓｉｓｇｙ摘要目前，ＳＶＭ已經(jīng)被廣泛應(yīng)用于包括文本分類(lèi)、圖像識(shí)別、手寫(xiě)體識(shí)別、金融預(yù)測(cè)等分類(lèi)與回歸問(wèn)風(fēng)支持向量機(jī)（ＳｕｐｐｏｒｔＶｅｃｔｏｒＭａ
2、ｃｈｉｎｅ，簡(jiǎn)稱ＳＶＭ）通過(guò)求解二次規(guī)劃問(wèn)題獲得最優(yōu)超平面或回歸畫(huà)數(shù)．，從而實(shí)現(xiàn)對(duì)測(cè)試樣本的預(yù)測(cè)采用ＳＶＭ，可Ｗ充分發(fā)揮它對(duì)小樣．本數(shù)據(jù)處理的優(yōu)勢(shì)，用比較少的樣本得到最優(yōu)決策函數(shù)但是ＳＶＭ在解決凸二次規(guī)劃問(wèn)題一一上的耗時(shí)長(zhǎng)．些研究工作者在ＳＶＭ的基礎(chǔ)上提出了類(lèi)雙支持向量機(jī)模，速度慢近年來(lái)，二型．，這類(lèi)模型通過(guò)優(yōu)化兩個(gè)比較小的次規(guī)劃問(wèn)題間接獲得決策函數(shù)隨著信息技術(shù)的發(fā)展一方面速發(fā)展的，越來(lái)越多的數(shù)據(jù)信息被人們快速獲取；另，高社會(huì)也導(dǎo)致信息萬(wàn)變．，學(xué)習(xí)數(shù)據(jù)通常具有較強(qiáng)的時(shí)序性因此，有必要討論Ｓ
3、ＶＭ的各種模型的在線學(xué)習(xí)方式，同時(shí)應(yīng)考慮到樣本的時(shí)效性．本文討論了雙支持向量機(jī)ＴｗｉｎＳｕｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅ，簡(jiǎn)稱ＴＷＳＶＭ、雙參數(shù)間隔支（ｐｐ）－ｗａｒａｍｅ－ＭＳＶＭ持向量機(jī)（ＴｉｎＰｔｒｉｃＭａｒｇｉｎＳｕｐｐｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅ，簡(jiǎn)稱ＴＰ、￡雙支持向量回）－－Ｔｗ歸（ｅｉｎＳｕｏｒｔＶｅｃｔｏｒＲｅｒｅｓｓｉｏｎ簡(jiǎn)稱ｅＴＷＳＶＲ和雙參數(shù)不敏感支持向量回歸Ｔｗｉｎｐｐｇ，）（ＰａｒａｍｅｔｒｉｃＩｎｓｅｎｓｉｔｉｖｅＳ叩ｐｏｒｔＶｅｃｔ
4、ｏｒＲｅｇｒｅｓｓｉｏｎ，簡(jiǎn)稱ＴＰＩＳＶＲ）的在線學(xué)習(xí)算法當(dāng)新樣本進(jìn)入到學(xué)習(xí)序列時(shí)，這些在線學(xué)習(xí)算法通過(guò)利用拉格朗日對(duì)偶技術(shù)，將問(wèn)題轉(zhuǎn)化為單（雙）變量二次規(guī)劃問(wèn)題．同時(shí)法引入了遺忘因子能有效保證數(shù)據(jù)信息對(duì)決策函數(shù)的有效更新．，算，本文的學(xué)習(xí)算法Ｗ非常低的計(jì)算成本實(shí)現(xiàn)，在分類(lèi)準(zhǔn)確度和學(xué)習(xí)的時(shí)間上面，盈示出非常快的學(xué)習(xí)速度．關(guān)鍵詞：．模式識(shí)別，雙支持向量機(jī)，再生核希爾伯特空間，在線學(xué)習(xí)ＩＳｈ抑ｇｈａｉＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙＭａｓｔｅｒＴｈｅｓｉｓＡｂｓｔｒａｃｔ
5、ｔｏｒ－Ｓｕｏｒｔｍａｃｏｂｔａｎｓｏｔｍａ批ａｔｎｅａｎｅｒｒｅｒｅｓｓｐｐｖｅｃｈｉｎｅＳＶＭｉ化ｅｉｌｓｅｉｈｒｌｏｉｏ打ｆｕｎｃ（）ｐｐｇｙｐｐｇｔｉｏ打ｂｙｓｏｌｖｉ打ａｕａｄｒａｔｉｃｒｏｇｒａｍｍｉｎｒｏｂｌｅｍ??；〇ｒｅａｌｉｚｅ化ｅｒｅｄｉｃｔｉｏｎｏｆｔｈｅｔ：ｅｓｔｓａｍｌｅｓ．ｇｑｐｇｐｐｐＳＶＭｔｔａｅａａｏｃｅｓｓｍａａｎｅｔｔｈｅｔ－ｃａｎｉｖｅｆｉｉｌｌｌａｏ化ｅａｄｖａｎｓｏｆｄｔｒｓｉ打ｏｆｌｌｓａ
6、ｍｌｅｓｄｏｉｇｙｐｙｇｐｇｐｇｐｍａｌｄｅｃｉｓｉｏｎｆｉｍｃｔｉｏｎｗｉ化ｌｅｓｓｓａｍｌｅｓ．ＡｔｒｅｓｅｎｔＳＶＭｈａｓｂｅｅｎｗｉｄｅｌｕｓｅｄｆｏｒｃｌａｓｓｉｆｉｃａｔｉｏｎｐｐ，ｙａｎｄｒｏｓｕｃｈａｓａｎｄｗｒｉｔｉｎｅｃｏｎｔｃａｏｒｅｃａｔｔｔｒｅｃｏｎｉｔｉｏｎｂｌｅｍｓｈｒｉｉｏｎ行打ａｎｉｌｆｓｅｃ．Ｉｎｒｅｃｅ打ｅａｒｓｐ，ｇ，，ｇｇｙ，ｓｏｍｅｒｅｓｅａｒｃｈｅｒｓｈａｖｅｒｏｏｓｅｄｔｗｉｎｓｕｏｒｔ
7、ｖｅｃｔｏｒｍａｃｈｉｎｅＴＷＳＶＭｏｎｔｈｅｂａｓｅｄｏｆＳＶＭ．ｐｐｐｐ（）ｒｅｃｔｅｔｅｅｃｓｏ打ｍｍ－－ＴＷＳＶＭｉｎｄｉｌｙｓｔｈｄｉｉｆｉｃｔｉｏｎｂｏｉｚｉｎｔｈｅｔｗｏｓｍａｌｌｅｒｓｉｚｅｄｕａｄｒａｔｉｃｒｏｇｙｐｔｉｇｑｐｇｒａｍｍｉｎｇｐｒｏｂｌｅｍｓ，ｗｈｉｃｈｍ濁ｅｓ化ｅｌｅａｒｎｉｎｇｓｐｅｅｄｏｆＴＷＳＶＭｂｅａｐｐｒｏｘｉｍａｔｅｌｙ４ｔｉｍｅｓｆａｓｔｅｒ化ａｎＳＶＭ．ｔ－Ｗｉ化化ｅｄｅ
8、ｖｅｌｏｍｅｎｔｏｆｉｏｎｔｅｃｈｎｏｌｏｔｉｏｎａｒｅｏｂｉｎｆｏｒｍａｍｏｒｅａｎｄｍｏｒｅｄａｔａｉｎｆｏｒｍａｐｇｙ，ｎｅｄｃ－ｔａｉｕｉｋｌｏｎ化ｅｏｔｈｅｒｈａｎｄ化ｅｒａｉｄｄｅｖｅｌｏｅｎｔｏｆｓｏｃｉｅｔｈａｓａｌｓｏｌｅｄｔｏｃｈａｎｅｉｎｆｏｒｑｙ；，ｐｐｍｙｇｉｎａｔｉｏｎ．Ｔｈｅｒｅｆｏｒｅｉ
