版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、關(guān)于支持向量機(jī)多類(lèi)分類(lèi)問(wèn)題的模型和算法的研究是當(dāng)今研究的熱點(diǎn)之一。無(wú)論是最近提出的"一對(duì)一對(duì)余"結(jié)構(gòu)的算法,還是通常用的"一一對(duì)一"結(jié)構(gòu)的算法,對(duì)于K類(lèi)分類(lèi)問(wèn)題,都需要解決K(K-1)/2個(gè)二次規(guī)劃問(wèn)題,使得支持向量機(jī)在求解大規(guī)模問(wèn)題中就會(huì)產(chǎn)生速度很慢的缺陷。因此,研究高效的求解算法是很有意義并且急需解決的問(wèn)題。本文主要研究多類(lèi)分類(lèi)問(wèn)題,從最優(yōu)化理論和算法的角度研究支持向量的最優(yōu)化問(wèn)題,并建立了高效的求解算法。 本文所做的主要研
2、究工作如下: 1.構(gòu)造了基于線(xiàn)性規(guī)劃的"一對(duì)一"三類(lèi)結(jié)構(gòu)支持向量分類(lèi)器。由Chih-wei H等人將幾個(gè)常用的算法,如:"一對(duì)多"算法, "一對(duì)一"算法,"有向無(wú)環(huán)圖"算法,"糾錯(cuò)輸出編碼"算法以及兩種聚集算法進(jìn)行了數(shù)據(jù)試驗(yàn)的比較,試驗(yàn)結(jié)果表明"一對(duì)一"算法更適合于解決多類(lèi)分類(lèi)問(wèn)題。但其也存在一定的缺點(diǎn),由于在構(gòu)造子分類(lèi)器的時(shí)候,只有兩類(lèi)數(shù)據(jù)參與訓(xùn)練,容易造成由其它數(shù)據(jù)的信息缺失而帶來(lái)的錯(cuò)誤分類(lèi)的問(wèn)題。由Cecilio A等人提
3、出的基于二次規(guī)劃的"一對(duì)一"三類(lèi)結(jié)構(gòu)支持向量機(jī),與傳統(tǒng)的"一對(duì)一"結(jié)構(gòu)相比較,其優(yōu)勢(shì)在于在分解的過(guò)程中,除了需要計(jì)算被區(qū)分的兩類(lèi)訓(xùn)練點(diǎn)外。其它類(lèi)別中訓(xùn)練點(diǎn)的信息也被充分利用,在一定程度上可以防止由信息的不完全帶來(lái)的分類(lèi)誤差,同時(shí),也減少了參數(shù)的個(gè)數(shù)。但由于增加了模型的復(fù)雜性,限制了其應(yīng)用。本文構(gòu)造了基于線(xiàn)性規(guī)劃的"一對(duì)一"三類(lèi)結(jié)構(gòu)支持向量分類(lèi)器,可以直接利用比較成熟的線(xiàn)性規(guī)劃算法-預(yù)測(cè)-校正原對(duì)偶內(nèi)點(diǎn)法,并在此基礎(chǔ)上提出了基于預(yù)測(cè)-校正
4、原對(duì)偶內(nèi)點(diǎn)法的支持向量機(jī)的多類(lèi)分類(lèi)學(xué)習(xí)算法,這種算法可用于比較龐大的多類(lèi)別識(shí)別問(wèn)題。數(shù)值試驗(yàn)表明,本文提出的算法訓(xùn)練速度快,而且保持良好的分類(lèi)精度。 2.在K-SVCR算法結(jié)構(gòu)的基礎(chǔ)上,構(gòu)造了新的模型。由Angulo C等人提出的K-SVCR算法,作者只給出了K-SVCR模型,并沒(méi)有提供相應(yīng)的求解算法,在一定程度上限制了K-SVCR算法的推廣使用,并且其對(duì)偶目標(biāo)函數(shù)為凸函數(shù),而不是嚴(yán)格凸函數(shù)。本文構(gòu)造了新模型,該模型的特點(diǎn)是它的
5、一階最優(yōu)化條件可以轉(zhuǎn)化為一個(gè)線(xiàn)性互補(bǔ)問(wèn)題,通過(guò)Lagrangian隱函數(shù),可以將其進(jìn)一步轉(zhuǎn)化成一個(gè)嚴(yán)格凸的無(wú)約束優(yōu)化問(wèn)題。利用Sherman-Moodbury-identity等式減小相應(yīng)優(yōu)化問(wèn)題的規(guī)模。并在此基礎(chǔ)上利用了快速的Annijo步長(zhǎng)的有限牛頓法和解決大型問(wèn)題的共軛梯度法來(lái)求解無(wú)約束優(yōu)化問(wèn)題,理論和數(shù)值試驗(yàn)都表明有限牛頓法、共軛梯度法速度快、容易實(shí)現(xiàn)。另外,支持向量機(jī)的模型中含有多個(gè)參數(shù),參數(shù)的取值直接影響分類(lèi)的精確度,針對(duì)支
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 支持向量機(jī)多類(lèi)分類(lèi)算法的研究.pdf
- 支持向量機(jī)多類(lèi)分類(lèi)算法的研究及應(yīng)用.pdf
- 基于模糊支持向量機(jī)的多類(lèi)分類(lèi)算法研究.pdf
- 支持向量機(jī)多類(lèi)分類(lèi)算法的分析與設(shè)計(jì).pdf
- 支持向量機(jī)多類(lèi)分類(lèi)方法的研究.pdf
- 基于支持向量機(jī)的多類(lèi)分類(lèi)問(wèn)題的研究.pdf
- 基于支持向量機(jī)的多類(lèi)網(wǎng)頁(yè)分類(lèi)方法.pdf
- 多類(lèi)文本分類(lèi)的支持向量機(jī)網(wǎng)絡(luò).pdf
- 多類(lèi)支持向量機(jī)算法的研究和改進(jìn).pdf
- 基于支持向量機(jī)的多類(lèi)文本分類(lèi)研究.pdf
- 基于多類(lèi)支持向量機(jī)的文本分類(lèi)研究.pdf
- 支持向量機(jī)分類(lèi)算法的研究.pdf
- 基于支持向量機(jī)的多類(lèi)意識(shí)任務(wù)分類(lèi)方法研究.pdf
- 支持向量機(jī)分類(lèi)算法的若干研究.pdf
- 基于模糊聚類(lèi)的支持向量機(jī)的分類(lèi)算法研究.pdf
- 基于兩類(lèi)和三類(lèi)支持向量機(jī)的快速多標(biāo)簽分類(lèi)算法.pdf
- 基于聚類(lèi)算法和支持向量機(jī)算法的文本分類(lèi)算法研究.pdf
- 基于支持向量機(jī)的分類(lèi)算法研究.pdf
- 基于模糊支持向量機(jī)的多類(lèi)文本分類(lèi)方法研究.pdf
- 支持向量機(jī)文本分類(lèi)算法研究.pdf
評(píng)論
0/150
提交評(píng)論