本文關鍵詞：模糊孿生支持向量機的改進及其求解方法研究

  更多相關文章： 模糊支持向量機 孿生支持向量機 孿生有界支持向量機 超松弛迭代 模糊孿生支持向量機 分類

【摘要】：支持向量機是在統(tǒng)計學習理論的基礎上發(fā)展起來的一種機器學習方法,其理論基礎是統(tǒng)計學習理論的VC維和結構風險最小化原理。目前,研究人員對支持向量機進行了廣泛的研究,并且提出了許多改進算法,比如模糊支持向量機、孿生支持向量機和模糊孿生支持向量機,這些方法不僅提高了算法的正確率,而且也減少了運行時間。為了進一步提高支持向量機的性能,本文對模糊孿生支持向量機進行了研究,提出了一種改進的模糊孿生支持向量機,即模糊孿生有界支持向量機,同時對模糊孿生有界支持向量機中的拉格朗日乘子的求解方法進行了研究。具體研究工作包括如下內容:1.提出了一種模糊孿生支持向量機的改進算法,即模糊孿生有界支持向量機。通過深入研究模糊支持向量機、孿生支持向量機和模糊孿生支持向量機,進一步秉承結構風險最小化原理,在模糊孿生支持向量機基礎上對其進行了改進,提出了模糊孿生有界支持向量機,該方法不僅考慮了支持向量機的經驗風險和結構風險,而且考慮了樣本的重要性和噪聲對超平面的影響,并且在分類正確率方面優(yōu)于模糊孿生支持向量機FTSVM。2.提出了模糊孿生有界支持向量機與模糊孿生支持向量機中拉格朗日乘子的迭代求解方法。為了獲得模糊孿生支持向量機和模糊孿生有界支持向量機,通常采用求解一個凸二次規(guī)劃問題來獲得拉格朗日乘子,對于此種方法的求解,其計算時間較長,代價較高。為了進一步提高模糊孿生有界支持向量機與模糊孿生支持向量機的性能,本文采用逐次超松弛迭代方法求解模糊孿生支持向量機和模糊孿生有界支持向量機中的拉格朗日乘子,獲得了求解拉格朗日乘子的迭代公式,表明了逐次超松弛迭代方法的收斂性。3.實驗研究了模糊孿生有界支持向量機與使用逐次超松弛方法求解拉格朗日乘子的支持向量機的性能。通過選取UCI數據庫中的標準數據集,利用十重交叉驗證方法研究了模糊孿生有界支持向量機和模糊孿生支持向量機的性能,且分別與使用傳統(tǒng)求解拉格朗日乘子的支持向量機進行了實驗比較。
【學位授予單位】：河北大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP181
，

本文編號：1164297