支持向量機(jī)作為一種數(shù)據(jù)挖掘方法,一直以來(lái)因?yàn)檩^強(qiáng)的泛化能力而被廣泛的應(yīng)用于社會(huì)各個(gè)領(lǐng)域。然而,支持向量機(jī)需要求解帶有不等式約束的凸二次規(guī)劃問(wèn)題,并且具有訓(xùn)練時(shí)間長(zhǎng)、計(jì)算量大的缺點(diǎn),所以無(wú)法處理大規(guī)模數(shù)據(jù)問(wèn)題。另外,支持向量機(jī)可以采用核函數(shù)來(lái)處理非線性分類(lèi),如XOR分類(lèi),但選擇合適的核函數(shù)卻是困難的。后來(lái),孿生支持向量機(jī)（TWSVM）的提出,不僅縮短了訓(xùn)練時(shí)間,還能更有效的解決異或類(lèi)型的數(shù)據(jù)分類(lèi),但它的目標(biāo)函數(shù)仍是基于L2范數(shù)。二次規(guī)劃問(wèn)題中因?yàn)長(zhǎng)2范數(shù)對(duì)于噪聲數(shù)據(jù)敏感,一旦數(shù)據(jù)中含有較多噪聲數(shù)據(jù),那么算法的性能就會(huì)大大降低。因此,本文在基于TWSVM算法的基礎(chǔ)上,為了提高算法的魯棒性與分類(lèi)精度,提出了三類(lèi)算法,主要工作概括如下:1.在TWSVM算法的基礎(chǔ)上,本文提出了一種新的具有魯棒性的切L1范數(shù)孿生支持向量機(jī)（CTWSVM）算法,它不僅保持了TWSVM原有的優(yōu)點(diǎn),并且提高了算法的分類(lèi)精度。在目標(biāo)函數(shù)中,實(shí)驗(yàn)引入了切L1范數(shù)來(lái)度量點(diǎn)到平面的距離,它在計(jì)算時(shí)會(huì)根據(jù)給定閾值來(lái)判斷數(shù)據(jù)點(diǎn)是否為噪聲點(diǎn),若被視為噪聲數(shù)據(jù),則會(huì)被“丟棄”并排除計(jì)算,以此來(lái)緩和異常值對(duì)分類(lèi)平面的影響。此外,我們通過(guò)... 

【文章來(lái)源】：南京林業(yè)大學(xué)江蘇省

【文章頁(yè)數(shù)】：74 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
致謝
摘要
abstract
第一章 前言
    1.1 研究背景及研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 本文的主要工作與結(jié)構(gòu)安排
        1.3.1 主要研究工作
        1.3.2 文章結(jié)構(gòu)安排
第二章 支持向量機(jī)相關(guān)概述
    2.1 支持向量機(jī)
    2.2 相關(guān)支持向量機(jī)算法研究
        2.2.1 對(duì)支持向量機(jī)TWSVM
        2.2.2 最小二乘對(duì)支持向量機(jī)LSTSVM
    2.3 切L1/Lp范數(shù)損失
    2.4 本章小結(jié)
第三章 基于TWSVM的切L1 的魯棒性算法
    3.1 CTWSVM(capped-TWSVM)的模型及推導(dǎo)
    3.2 CTWSVM(capped-TWSVM)的理論推導(dǎo)與證明
    3.3 CTWSVM分類(lèi)算法的實(shí)驗(yàn)結(jié)果與分析
        3.3.1 人工數(shù)據(jù)集
        3.3.2 UCI數(shù)據(jù)集
        3.3.3 算法收斂性與魯棒性分析
    3.4 本章小結(jié)
第四章 基于LSTSVM的切L1 的魯棒性算法
    4.1 切L1-LSTSVM分類(lèi)算法的模型及推導(dǎo)
    4.2 切L1-LSTSVM分類(lèi)算法的實(shí)驗(yàn)結(jié)果與分析
        4.2.1 人工數(shù)據(jù)集
        4.2.2 UCI數(shù)據(jù)集
        4.2.3 算法收斂性分析和魯棒性分析
    4.3 本章小結(jié)
第五章 基于LSTSVM的切Lp的魯棒性算法
    5.1 切Lp-LSTSVM分類(lèi)算法的模型及推導(dǎo)
    5.2 切Lp-LSTSVM算法的理論證明
    5.3 切Lp-LSTSVM分類(lèi)算法的實(shí)驗(yàn)結(jié)果與分析
        5.3.1 人工數(shù)據(jù)集
        5.3.2 UCI數(shù)據(jù)集
        5.3.3 算法收斂性與魯棒性分析
    5.4 本章小結(jié)
第六章 結(jié)束語(yǔ)
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
攻讀學(xué)位期間研究成果及發(fā)表的學(xué)術(shù)論文



本文編號(hào)：3193038