支持向量機(jī)作為一種發(fā)展成熟的機(jī)器學(xué)習(xí)算法,已在各領(lǐng)域得到廣泛應(yīng)用,但核參數(shù)的選擇一直是影響支持向量機(jī)算法效果的核心問題.因為計算時間復(fù)雜度低且表現(xiàn)效果良好,獨立于支持向量機(jī)的核學(xué)習(xí)準(zhǔn)則在近年來廣受青睞.本文介紹了兩種典型的核學(xué)習(xí)準(zhǔn)則,即基于核對齊思想的中心化核排列(Centered Kernel Target Alignment,CKTA)和基于聚類思想的核余弦相似度(Cosine Similarity of Kernel,CSK),并分別對它們進(jìn)行了改進(jìn).針對CKTA將正常樣本點和離群點同等對待,可能會影響樣本在特征空間中的可分性,提出通過訓(xùn)練集對應(yīng)的近鄰矩陣中同類樣本的比例來重構(gòu)理想核矩陣,得到了新的局部中心化核排列(New Local Centered Kernel Target Alignment,NLCKTA),并基于最大化NLCKTA的取值推導(dǎo)出了其對應(yīng)的多核學(xué)習(xí)方法.針對CSK取值不具有理論上的非負(fù)性而不易推廣到多核學(xué)習(xí)的問題,通過將其同類平均余弦相似度拆分為正類平均余弦相似度和負(fù)類平均余弦相似度得到了新的核余弦相似度(New Cosine Similarity of K... 

【文章來源】：華東師范大學(xué)上海市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 選題背景及研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文的研究內(nèi)容
    1.4 本文的組織框架
第二章 預(yù)備知識
    2.1 核函數(shù)概念及性質(zhì)
    2.2 支持向量機(jī)理論
    2.3 支持向量機(jī)分類的理論背景
    2.4 本章小結(jié)
第三章 新的核學(xué)習(xí)方法
    3.1 常用核函數(shù)
    3.2 核參數(shù)對高斯核與多項式核的影響
    3.3 基于核對齊思想的原始核學(xué)習(xí)方法中心化核排列
    3.4 基于核對齊思想的改進(jìn)的核學(xué)習(xí)方法
    3.5 基于聚類思想的原始核學(xué)習(xí)方法核余弦相似度
    3.6 基于聚類思想的改進(jìn)的核學(xué)習(xí)方法
    3.7 計算復(fù)雜度分析
    3.8 本章小結(jié)
第四章 數(shù)值仿真實驗
    4.1 實驗設(shè)置
    4.2 單核學(xué)習(xí)實驗
    4.3 多核學(xué)習(xí)實驗
    4.4 本章小結(jié)
第五章 總結(jié)與展望
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于圖論的支持向量機(jī)核函數(shù)選擇[J]. 梁禮明,陳明理,劉博文,吳健.  計算機(jī)工程與設(shè)計. 2019(05)
[2]基于ADEGWO-SVM的機(jī)載燃油泵壽命預(yù)測研究[J]. 焦曉璇,景博,李娟,孫萌,王赟.  儀器儀表學(xué)報. 2018(08)
[3]核極化優(yōu)化多參數(shù)高斯核的特征選擇算法[J]. 張文興,陳肖潔.  機(jī)械設(shè)計與制造. 2018(05)
[4]普適性核度量標(biāo)準(zhǔn)比較研究[J]. 王裴巖,蔡東風(fēng).  軟件學(xué)報. 2015(11)
[5]高斯核函數(shù)選擇的廣義核極化準(zhǔn)則[J]. 田萌,王文劍.  計算機(jī)研究與發(fā)展. 2015(08)
[6]支持向量機(jī)核函數(shù)選擇研究與仿真[J]. 梁禮明,鐘震,陳召陽.  計算機(jī)工程與科學(xué). 2015(06)
[7]基于統(tǒng)計檢驗的核函數(shù)度量方法研究[J]. 王裴巖,蔡東風(fēng).  計算機(jī)科學(xué). 2015(04)
[8]基于混合核函數(shù)FOA-LSSVM的預(yù)測模型[J]. 周金明,王傳玉,何幫強.  計算機(jī)工程與應(yīng)用. 2015(04)
[9]多尺度核方法的自適應(yīng)序列學(xué)習(xí)及應(yīng)用[J]. 汪洪橋,蔡艷寧,孫富春,趙宗濤.  模式識別與人工智能. 2011(01)
[10]基于蟻群優(yōu)化算法的支持向量機(jī)參數(shù)選擇及仿真[J]. 劉春波,王鮮芳,潘豐.  中南大學(xué)學(xué)報(自然科學(xué)版). 2008(06)



本文編號：2925275