【摘要】：支持向量機是解決機器學習問題的一類重要算法,該算法集成了多項技術,自提出以來就受到了人們廣泛關注,已經被應用到各種領域.由于支持向量機最初是用來解決二分類問題,而實際應用中遇到的許多問題是多分類問題,因此如何將二分類算法擴展到求解多分類問題,具有重要的研究意義.非平行超平面支持向量機對處理類間交叉的數據集和大規(guī)模數據集有優(yōu)勢,因此本文針對多分類問題,第三章在非平行超平面支持向量機多分類算法(NHCMC)的基礎上提出第一種算法ε-非平行支持向量機多分類算法,簡記為INHCMC.通過結合非平行支持向量機(NPSVM)的思想,將NHCMC中的二次損失函數改為ε-不敏感損失函數,半稀疏性改善了.論文給出的數值實驗結果表明了 INHCMC是有效的.由于INHCMC對多分類問題采用的是一對余的思想,會造成數據集不均衡,因此很難選取合適的參數ε.第四章在INHCMC的基礎上提出v-ε-非平行支持向量機多分類算法,簡記為v-INHCMC,通過結合v-SVC和v-SVR的思想,將INHCMC原始模型中的參數ε和參數C2用有數值意義的參數v代替,化解了 INHCMC中參數ε的選取困難,并且v能夠權衡模型中的兩個目標(最大化間隔和最小化誤差),以及有效的控制支持向量的個數,數值實驗結果表明了v-INHCMC是有效的.交替方向法乘子法(ADMM)是一種用于解決可分凸規(guī)劃問題的有效方法,尤其在解決大規(guī)模問題上具有優(yōu)勢,近年來被應用到機器學習的優(yōu)化問題中.第五章我們采用交替方向乘子法的框架來求解INHCMC的原始問題,為了能夠處理大規(guī)模數據集,本文用共軛梯度法近似求解子問題中矩陣的逆.數值實驗結果說明了該算法是有效的.
【學位授予單位】：重慶師范大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP181

【相似文獻】

相關期刊論文 前10條

1 馬旭霞;;支持向量機理論及應用[J];科學技術創(chuàng)新;2019年02期

2 江少杰;寧紀鋒;李云松;;加權間隔結構化支持向量機目標跟蹤算法[J];中國圖象圖形學報;2017年09期

3 李娜;孫樂;胡一楠;李笑;王亞南;;模糊型支持向量機及其在入侵檢測中的應用[J];科技創(chuàng)新與應用;2018年11期

4 邵元海;楊凱麗;劉明增;王震;李春娜;陳偉杰;;從支持向量機到非平行支持向量機[J];運籌學學報;2018年02期

5 高欽姣;張勝剛;賈曉薇;;基于支持向量機的股票價格預測模型研究與應用[J];課程教育研究;2016年28期

6 林香亮;袁瑞;孫玉秋;王超;陳長勝;;支持向量機的基本理論和研究進展[J];長江大學學報(自科版);2018年17期

7 安悅tD;丁世飛;胡繼普;;孿生支持向量機綜述[J];計算機科學;2018年11期

8 梁武;蘇燕;;一種新的基于類內不平衡數據學習支持向量機算法[J];科技通報;2017年09期

9 吳青;梁勃;;分段熵光滑支持向量機性能研究[J];計算機工程與設計;2015年08期

10 牛r，

本文編號：2668816