上世紀九十年代，在統(tǒng)計學(xué)習(xí)理論的基礎(chǔ)上發(fā)展出了一種新的機器學(xué)習(xí)算法——支持向量機。由于其具有良好的理論基礎(chǔ)和推廣能力，并解決了機器學(xué)習(xí)領(lǐng)域存在的一些問題，因而受到了人們普遍的重視。然而，支持向量機本身是針對兩類分類問題的算法，而實際生活中廣泛存在著的是多類別的分類問題，因此，研究如何利用支持向量機實現(xiàn)多類分類，具有十分重要的意義，也成為當前研究的一個熱點問題。國內(nèi)外學(xué)者在此領(lǐng)域作了大量的研究工作，提出了多種基于支持向量機的多類分類算法，達到了利用支持向量機實現(xiàn)多類分類的目的，這些算法有著各自的優(yōu)點，但還存在一定的缺陷，還有很多問題需要得到進一步的解決�？傮w上看，基于支持向量機的多類分類算法的研究還處于一個不斷探索的階段，有著廣闊的發(fā)展空間。 本文全部研究工作的著眼點主要集中于以下幾個問題：現(xiàn)有的幾種支持向量機多類分類器在算法結(jié)構(gòu)和分類機理上彼此有什么共同點，能否將它們歸結(jié)為幾種類型；如何確定多類分類器的算法結(jié)構(gòu)以提高分類器的推廣能力；核函數(shù)的變化對多類樣本經(jīng)過映射后所有兩類間的可分性對比關(guān)系究竟有什么影響；能否直接在高維特征空間中對多類樣本所有兩類的可分性對比關(guān)系進行估計... 

【文章頁數(shù)】：102 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題研究的背景和意義
    1.2 課題研究的現(xiàn)狀和前景
    1.3 本文的主要工作、創(chuàng)新點及全文結(jié)構(gòu)
        1.3.1 主要工作及創(chuàng)新點
        1.3.2 全文結(jié)構(gòu)
第二章 統(tǒng)計學(xué)習(xí)理論與支持向量機
    2.1 機器學(xué)習(xí)問題
        2.1.1 機器學(xué)習(xí)問題概述
        2.1.2 學(xué)習(xí)問題的表述
    2.2 統(tǒng)計學(xué)習(xí)理論
        2.2.1 VC維
        2.2.2 推廣性的界理論
        2.2.3 結(jié)構(gòu)風(fēng)險最小化原則
    2.3 支持向量機
        2.3.1 廣義最優(yōu)分類面
        2.3.2 線性情況下的支持向量機
        2.3.3 核函數(shù)與非線性情況下的支持向量機
    2.4 本章小結(jié)
第三章 基于支持向量機的多類分類算法
    3.1 "一對多"多類分類算法
    3.2 "一對一"多類分類算法
    3.3 一次性求解算法
    3.4 DAGSVM多類分類算法
    3.5 基于二叉樹結(jié)構(gòu)的支持向量機多類分類算法
    3.6 其它支持向量機多類分類算法
        3.6.1 層次分類算法
        3.6.2 糾錯輸出編碼支持向量機(ECOC SVMS)
    3.7 對多類分類算法的進一步思考
        3.7.1 "一對多"和"一對一"多類分類算法的比較分析
        3.7.2 基于二叉樹結(jié)構(gòu)的支持向量機多類分類算法和DAGSVM的比較分析
    3.8 本章小結(jié).
第四章 滾動軸承故障實驗
    4.1 機械故障診斷技術(shù)概述
    4.2 支持向量機多類分類算法在機械故障識別中的應(yīng)用
    4.3 滾動軸承故障實驗
        4.3.1 滾動軸承故障診斷概述
        4.3.2 滾動軸承故障實驗
    4.4 本章小結(jié)
第五章 特征提取
    5.1 特征提取概述
    5.2 小波分析與小波包變換
        5.2.1 小波變換的產(chǎn)生背景
        5.2.2 連續(xù)小波變換
        5.2.3 離散小波變換
        5.2.4 多分辨率分析
        5.2.5 小波包變換
    5.3 基于小波包變換的滾動軸承振動信號特征提取
        5.3.1 基于小波包變換的特征提取過程
        5.3.2 滾動軸承振動信號的特征提取
    5.4 本章小結(jié)
第六章 類間可分性研究
    6.1 類間可分性及其判據(jù)
    6.2 JB/JW判據(jù)對軸承實驗五類樣本的可分性判別
    6.3 基于核函數(shù)映射的JB/JW判據(jù)及對滾動軸承故障樣本的可分性判別
    6.4 本章小結(jié)
第七章 基于類間可分性度量的支持向量機多類分類算法
    7.1 基于類間可分性度量的二叉樹結(jié)構(gòu)生成和基于兩類可分性最大原則的支持向量機多類分類算法
        7.1.1 引言
        7.1.2 基于類間可分性度量的二叉樹生成
        7.1.3 基于兩類可分性最大原則的支持向量機多類分類算法的提出
    7.2 基于類間可分性度量的支持向量機多類分類算法在滾動軸承故障識別中的應(yīng)用
        7.2.1 二叉樹結(jié)構(gòu)的生成
        7.2.2 基于二叉樹結(jié)構(gòu)的支持向量機多類分類算法在滾動軸承故障識別中的應(yīng)用
        7.2.3 任意二叉樹結(jié)構(gòu)的支持向量機多類分類算法及分類效果的對比
        7.2.4 基于兩類可分性最大原則的支持向量機多類分類算法結(jié)構(gòu)的確定
        7.2.5 基于兩類可分性最大原則的支持向量機多類分類算法在滾動軸承故障識別中的應(yīng)用
    7.3 本章小結(jié)
第八章 基于類間可分性的"一對二"支持向量機多類分類算法及其應(yīng)用
    8.1 對基于二叉樹結(jié)構(gòu)的支持向量機多類分類算法及DAGSVM的進一步分析
    8.2 基于類別可分性度量的"一對二"支持向量機多類分類算法的提出
        8.2.1 "一對二"支持向量機多類分類算法
        8.2.2 基于類間可分性度量的"一對二"支持向量機多類分類算法
    8.3 基于類間可分性度量的"一對二"支持向量機多類分類算法在滾動軸承故障識別中的應(yīng)用
    8.4 本章小結(jié)
第九章 總結(jié)與展望
    9.1 全文總結(jié)
    9.2 未來的展望
參考文獻
致謝
攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文


【參考文獻】：
期刊論文
[1]一種基于SOM解碼的多類支持向量機[J]. 陶曉燕,姬紅兵.  系統(tǒng)工程與電子技術(shù). 2006(09)
[2]一種設(shè)計層次支持向量機多類分類器的新方法[J]. 趙暉,榮莉莉,李曉.  計算機應(yīng)用研究. 2006(06)
[3]支持向量機（SVM）的研究進展[J]. 李曉宇,張新峰,沈蘭蓀.  測控技術(shù). 2006(05)
[4]多類支持向量機算法綜述[J]. 黃勇,鄭春穎,宋忠虎.  計算技術(shù)與自動化. 2005(04)
[5]支持向量機解決多分類問題研究[J]. 鄭勇濤,劉玉樹.  計算機工程與應(yīng)用. 2005(23)
[6]支持向量機多類分類算法研究[J]. 唐發(fā)明,王仲東,陳綿云.  控制與決策. 2005(07)
[7]基于幾何距離可分性判據(jù)的文本特征提取[J]. 褚金正,章兢.  企業(yè)技術(shù)開發(fā). 2005(07)
[8]基于決策二叉樹的多類支持向量機在大氣質(zhì)量評定中的應(yīng)用[J]. 侯惠芳,劉素華.  計算機應(yīng)用與軟件. 2005(05)
[9]基于核聚類方法的多層次支持向量機分類樹[J]. 張國宣,孔銳,施澤生,郭立,劉士建,薛明東.  計算機工程. 2005(05)
[10]一種新的二叉樹多類支持向量機算法[J]. 唐發(fā)明,王仲東,陳綿云.  計算機工程與應(yīng)用. 2005(07)

碩士論文
[1]基于小波分析的齒輪箱齒輪點蝕故障診斷[D]. 王佃武.蘭州理工大學(xué) 2006
[2]基于小波包分析的滾動軸承故障智能診斷[D]. 黃建鴻.南昌大學(xué) 2005
[3]基于支持向量機的機器學(xué)習(xí)研究[D]. 劉華煜.大慶石油學(xué)院 2005
[4]支持向量機多類分類算法的研究及應(yīng)用[D]. 黃瓊英.河北工業(yè)大學(xué) 2005



本文編號：3707405