本文關(guān)鍵詞：SVMs與FANNs的關(guān)系及分類性能對(duì)比　出處：《渤海大學(xué)學(xué)報(bào)(自然科學(xué)版)》2016年03期 　論文類型：期刊論文

  更多相關(guān)文章： 模式識(shí)別 支持向量機(jī) 前饋人工神經(jīng)網(wǎng)絡(luò) 深度學(xué)習(xí)

【摘要】：研究了支持向量機(jī)(SVMs)與前饋人工神經(jīng)網(wǎng)絡(luò)(FANNs)的關(guān)系.首先說明了兩者在網(wǎng)絡(luò)結(jié)構(gòu)上的相似性,即輸入函數(shù)均可表示為基函數(shù)的線性組合形式.然后指出了兩者之間存在的關(guān)鍵差異:一是優(yōu)化目標(biāo)不同,FANNs只需要達(dá)到經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化,而SVMs尋求結(jié)構(gòu)風(fēng)險(xiǎn)最小化;二是隱含層含義不同,SVMs的隱含層節(jié)點(diǎn)表現(xiàn)為支持向量,而FANNs則需要預(yù)先設(shè)定;三是模型復(fù)雜性不同,FANNs的模型復(fù)雜性由隱含層神經(jīng)元數(shù)量來控制,而SVMs的復(fù)雜性獨(dú)立于維度.最后,給出了兩者在UCI標(biāo)準(zhǔn)數(shù)據(jù)集上的對(duì)比實(shí)驗(yàn),用以評(píng)估它們?cè)诜诸愔械男阅?
[Abstract]:The relationship between support vector machine (SVMs) and feedforward artificial neural network (FNN) is studied. That is, input functions can be expressed as linear combinations of basis functions. Then the key differences between them are pointed out: one is that only empirical risk minimization is required for different optimization objectives. SVMs seeks structural risk minimization; The other is that the hidden layer nodes with different hidden layer meanings are represented as support vectors, while FANNs needs to be preset. Third, the complexity of the model is controlled by the number of neurons in the hidden layer, while the complexity of SVMs is independent of the dimension. Finally, the model complexity of FANNs is controlled by the number of neurons in the hidden layer. A comparative experiment on UCI standard data set is given to evaluate their performance in classification.
【作者單位】： 渤海大學(xué)信息科學(xué)與技術(shù)學(xué)院;渤海大學(xué)大學(xué)基礎(chǔ)教研部;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(No:61602056) 遼寧省教育廳科學(xué)研究一般項(xiàng)目(No:L2014444) 2014年度遼寧省社會(huì)科學(xué)規(guī)劃基金項(xiàng)目(No:L14BTJ002)
【分類號(hào)】：TP391.4;TP18
【正文快照】： 0引言在模式識(shí)別領(lǐng)域,支持向量機(jī)(Support Vector Machines,SVMs)〔1-3〕和前饋人工神經(jīng)網(wǎng)絡(luò)(Feed-for-ward Artificial Neural Networks,FANNs)〔4-8〕是兩種有效的方法.SVMs由Vapnik在1995年首次提出,基于統(tǒng)計(jì)學(xué)習(xí)理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則.從幾何意義上來說,它要找到一個(gè)超

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 宋曉峰;陳德釗;胡上序;;支持向量機(jī)泛化能力估計(jì)若干方法[J];計(jì)算機(jī)科學(xué);2004年08期

2 葛海峰;林繼鵬;劉君華;丁暉;;基于支持向量機(jī)和小波分解的氣體識(shí)別研究[J];儀器儀表學(xué)報(bào);2006年06期

3 劉斌;岳會(huì)宇;李卓;劉鐵男;;支持向量機(jī)在油層含油識(shí)別中的應(yīng)用[J];控制工程;2006年04期

4 李學(xué)鵬;張國(guó)基;;基于支持向量機(jī)的電信欠費(fèi)用戶分析模型[J];計(jì)算機(jī)應(yīng)用;2006年S2期

5 蔣琳瓊;賀建飚;;基于支持向量機(jī)的貨幣識(shí)別應(yīng)用研究[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2007年04期

6 方景龍;陳鑠;潘志庚;梁榮華;;復(fù)雜分類問題支持向量機(jī)的簡(jiǎn)化[J];電子學(xué)報(bào);2007年05期

7 張濤;段淑敏;;支持向量機(jī)在中醫(yī)疾病癥候診斷中的應(yīng)用[J];華北水利水電學(xué)院學(xué)報(bào);2007年03期

8 胡金蓮;;支持向量機(jī)的光滑與逼近關(guān)系研究[J];東莞理工學(xué)院學(xué)報(bào);2008年01期

9 張苗;張德賢;;多類支持向量機(jī)文本分類方法[J];計(jì)算機(jī)技術(shù)與發(fā)展;2008年03期

10 張苗;張德賢;;多類支持向量機(jī)在文本分類中的應(yīng)用[J];計(jì)算機(jī)與現(xiàn)代化;2008年05期

相關(guān)會(huì)議論文 前10條

1 劉希玉;徐志敏;段會(huì)川;;基于支持向量機(jī)的創(chuàng)新分類器[A];山東省計(jì)算機(jī)學(xué)會(huì)2005年信息技術(shù)與信息化研討會(huì)論文集（一）[C];2005年

2 張曉濱;尹英順;趙培坤;馬秀蘭;;基于漸進(jìn)直推支持向量機(jī)的半對(duì)半多類文本分類[A];第三屆全國(guó)信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集[C];2007年

3 晏慶華;;支持向量機(jī)算法綜述[A];2008'中國(guó)信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（二）[C];2008年

4 楊凌;劉玉樹;;基于支持向量機(jī)的坦克識(shí)別算法[A];第三屆全國(guó)數(shù)字成像技術(shù)及相關(guān)材料發(fā)展與應(yīng)用學(xué)術(shù)研討會(huì)論文摘要集[C];2004年

5 高尚;劉夫成;;與κ均值混合的支持向量機(jī)的個(gè)人信用評(píng)估[A];2013年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第五分冊(cè)）[C];2013年

6 李志明;孔令富;;用于回歸估計(jì)的支持向量機(jī)[A];廣西計(jì)算機(jī)學(xué)會(huì)2005年學(xué)術(shù)年會(huì)論文集[C];2005年

7 李優(yōu);;支持向量機(jī)在組塊識(shí)別中的應(yīng)用[A];第八屆中國(guó)青年運(yùn)籌信息管理學(xué)者大會(huì)論文集[C];2006年

8 李智超;余慧佳;馬少平;;使用支持向量機(jī)進(jìn)行作弊頁(yè)面識(shí)別[A];第三屆全國(guó)信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集[C];2007年

9 于鷹宇;張小洵;賈云得;;基于局部可控特征及支持向量機(jī)的人臉識(shí)別[A];中國(guó)感光學(xué)會(huì)第七次全國(guó)會(huì)員代表大會(huì)暨學(xué)術(shù)年會(huì)和第七屆青年學(xué)術(shù)交流會(huì)論文摘要集[C];2006年

10 宋金偉;劉廣利;沈翠華;李迪;;基于支持向量機(jī)的織物組織識(shí)別方法[A];第六屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集（2）[C];2008年

相關(guān)博士學(xué)位論文 前10條

1 王喜賓;基于優(yōu)化支持向量機(jī)的個(gè)性化推薦研究[D];重慶大學(xué);2015年

2 李華慶;支持向量機(jī)及其在人臉識(shí)別中的應(yīng)用研究[D];上海交通大學(xué);2006年

3 郭磊;基于支持向量機(jī)的真實(shí)頭模型三維重建方法的研究[D];河北工業(yè)大學(xué);2007年

4 陳愛軍;最小二乘支持向量機(jī)及其在工業(yè)過程建模中的應(yīng)用[D];浙江大學(xué);2006年

5 業(yè)寧;支持向量機(jī)若干基礎(chǔ)研究及其在圖像識(shí)別中的應(yīng)用[D];東南大學(xué);2006年

6 王開義;基于支持向量機(jī)的農(nóng)產(chǎn)品生產(chǎn)關(guān)鍵控制點(diǎn)發(fā)現(xiàn)研究[D];北京工業(yè)大學(xué);2011年

7 陳萬海;基于支持向量機(jī)的超譜圖像分類技術(shù)研究[D];哈爾濱工程大學(xué);2008年

8 秦玉平;基于支持向量機(jī)的文本分類算法研究[D];大連理工大學(xué);2008年

9 沈傳河;金融問題中的支持向量機(jī)應(yīng)用研究[D];山東科技大學(xué);2011年

10 劉路;基于改進(jìn)支持向量機(jī)和紋理圖像分析的旋轉(zhuǎn)機(jī)械故障診斷[D];天津大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 甘樂;基于支持向量機(jī)的高光譜圖像降維與分類研究[D];長(zhǎng)江大學(xué);2015年

2 趙越;基于支持向量機(jī)的軟件質(zhì)量評(píng)價(jià)[D];渤海大學(xué);2016年

3 魏云峰;基于支持向量機(jī)的高校人才評(píng)價(jià)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];吉林大學(xué);2016年

4 卜令超;帶有不確定輸入的支持向量機(jī)的研究及其生物信息學(xué)應(yīng)用[D];江南大學(xué);2009年

5 沈謙;基于支持向量機(jī)的正面人臉檢測(cè)研究[D];湖南大學(xué);2005年

6 劉凱軍;支持向量機(jī)研究及其在貨幣識(shí)別中的應(yīng)用[D];西安理工大學(xué);2004年

7 吳疆;基于支持向量機(jī)的紅外譜圖識(shí)別[D];四川大學(xué);2005年

8 蔣琳瓊;基于支持向量機(jī)的貨幣識(shí)別研究[D];中南大學(xué);2007年

9 王曉輝;支持向量機(jī)在人臉識(shí)別中的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2006年

10 彭璐;支持向量機(jī)分類算法研究與應(yīng)用[D];湖南大學(xué);2007年

，

本文編號(hào)：1432296