本文關(guān)鍵詞：SVMs與FANNs的關(guān)系及分類性能對比　出處：《渤海大學學報(自然科學版)》2016年03期 　論文類型：期刊論文

  更多相關(guān)文章： 模式識別 支持向量機 前饋人工神經(jīng)網(wǎng)絡(luò) 深度學習

【摘要】：研究了支持向量機(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)化目標不同,FANNs只需要達到經(jīng)驗風險最小化,而SVMs尋求結(jié)構(gòu)風險最小化;二是隱含層含義不同,SVMs的隱含層節(jié)點表現(xiàn)為支持向量,而FANNs則需要預先設(shè)定;三是模型復雜性不同,FANNs的模型復雜性由隱含層神經(jīng)元數(shù)量來控制,而SVMs的復雜性獨立于維度.最后,給出了兩者在UCI標準數(shù)據(jù)集上的對比實驗,用以評估它們在分類中的性能.
[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】： 渤海大學信息科學與技術(shù)學院;渤海大學大學基礎(chǔ)教研部;
【基金】：國家自然科學基金項目(No:61602056) 遼寧省教育廳科學研究一般項目(No:L2014444) 2014年度遼寧省社會科學規(guī)劃基金項目(No:L14BTJ002)
【分類號】：TP391.4;TP18
【正文快照】： 0引言在模式識別領(lǐng)域,支持向量機(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)計學習理論和結(jié)構(gòu)風險最小化原則.從幾何意義上來說,它要找到一個超

【相似文獻】

相關(guān)期刊論文 前10條

1 宋曉峰;陳德釗;胡上序;;支持向量機泛化能力估計若干方法[J];計算機科學;2004年08期

2 葛海峰;林繼鵬;劉君華;丁暉;;基于支持向量機和小波分解的氣體識別研究[J];儀器儀表學報;2006年06期

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

4 李學鵬;張國基;;基于支持向量機的電信欠費用戶分析模型[J];計算機應(yīng)用;2006年S2期

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

6 方景龍;陳鑠;潘志庚;梁榮華;;復雜分類問題支持向量機的簡化[J];電子學報;2007年05期

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

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

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

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

相關(guān)會議論文 前10條

1 劉希玉;徐志敏;段會川;;基于支持向量機的創(chuàng)新分類器[A];山東省計算機學會2005年信息技術(shù)與信息化研討會論文集（一）[C];2005年

2 張曉濱;尹英順;趙培坤;馬秀蘭;;基于漸進直推支持向量機的半對半多類文本分類[A];第三屆全國信息檢索與內(nèi)容安全學術(shù)會議論文集[C];2007年

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

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

5 高尚;劉夫成;;與κ均值混合的支持向量機的個人信用評估[A];2013年中國智能自動化學術(shù)會議論文集（第五分冊）[C];2013年

6 李志明;孔令富;;用于回歸估計的支持向量機[A];廣西計算機學會2005年學術(shù)年會論文集[C];2005年

7 李優(yōu);;支持向量機在組塊識別中的應(yīng)用[A];第八屆中國青年運籌信息管理學者大會論文集[C];2006年

8 李智超;余慧佳;馬少平;;使用支持向量機進行作弊頁面識別[A];第三屆全國信息檢索與內(nèi)容安全學術(shù)會議論文集[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的人臉識別[A];中國感光學會第七次全國會員代表大會暨學術(shù)年會和第七屆青年學術(shù)交流會論文摘要集[C];2006年

10 宋金偉;劉廣利;沈翠華;李迪;;基于支持向量機的織物組織識別方法[A];第六屆全國信息獲取與處理學術(shù)會議論文集（2）[C];2008年

相關(guān)博士學位論文 前10條

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

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

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

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

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

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

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

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

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

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

相關(guān)碩士學位論文 前10條

1 甘樂;基于支持向量機的高光譜圖像降維與分類研究[D];長江大學;2015年

2 趙越;基于支持向量機的軟件質(zhì)量評價[D];渤海大學;2016年

3 魏云峰;基于支持向量機的高校人才評價系統(tǒng)的設(shè)計與實現(xiàn)[D];吉林大學;2016年

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

5 沈謙;基于支持向量機的正面人臉檢測研究[D];湖南大學;2005年

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

7 吳疆;基于支持向量機的紅外譜圖識別[D];四川大學;2005年

8 蔣琳瓊;基于支持向量機的貨幣識別研究[D];中南大學;2007年

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

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

，

本文編號：1432296