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