孿生支持向量機(jī)在機(jī)器學(xué)習(xí)領(lǐng)域有著廣泛的應(yīng)用,其主要目的是用來解決二分類問題,是多分類問題在現(xiàn)實(shí)生活中是最為常見的。因此研究人員對孿生支持向量機(jī)進(jìn)行改進(jìn),提出了許多不同策略的多分類孿生支持向量機(jī)用于解決多分類問題。多生支持向量機(jī)作為一種新型的改進(jìn)方法,其每一個二次規(guī)劃問題的大小只受到相應(yīng)類的數(shù)據(jù)規(guī)模的限制,相比于其他的多分類孿生支持向量機(jī)具有計(jì)算復(fù)雜度低、訓(xùn)練速度快等優(yōu)點(diǎn)。因此倍受研究者們的青睞。然而,多生支持向量機(jī)在建立模型時忽略了樣本數(shù)據(jù)的結(jié)構(gòu)信息,這些信息可能包含一些重要的先驗(yàn)知識。同時多生支持向量機(jī)經(jīng)常憑借經(jīng)驗(yàn)值或網(wǎng)格搜索法進(jìn)行參數(shù)選擇,使得算法容易陷入局部最優(yōu)解。本文結(jié)合樣本數(shù)據(jù)的結(jié)構(gòu)化信息來改進(jìn)多生支持向量機(jī),同時在多生支持向量機(jī)的參數(shù)選擇方面,利用群智能優(yōu)化算法對其進(jìn)行優(yōu)化,以提高算法的分類準(zhǔn)確率。其主要研究內(nèi)容如下:首先,本文研究了基于能量的結(jié)構(gòu)化最小二乘多生支持向量機(jī)。對結(jié)構(gòu)最小二乘孿生支持向量機(jī)進(jìn)行改進(jìn),提出了基于能量的結(jié)構(gòu)最小二乘孿生支持向量機(jī)。它通過為每個超平面引入能量因子,將結(jié)構(gòu)最小二乘孿生支持向量機(jī)二次規(guī)劃問題中的不等式約束轉(zhuǎn)化為基于能量因子的等式約束,該算法... 

【文章來源】：中國礦業(yè)大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁數(shù)】：85 頁

【學(xué)位級別】：碩士

【部分圖文】：

在拐點(diǎn)選擇最佳簇類個數(shù)Figure3-1Choosingthekneepointastheoptimalnumberofclusters線性ES-LSTWSVM的數(shù)學(xué)模型

碩士學(xué)位論文36示了分類性能在Heart，Liver，Breast和Ionosphere數(shù)據(jù)集上隨能量參數(shù)E+和E的變化而變化。從Heart中可以看出當(dāng)E0.7,E1.0+==時，算法在Heart數(shù)據(jù)集上的分類準(zhǔn)確率高達(dá)86.96%。從Liver中可以看出當(dāng)E:E4:3+=時，算法在Liver數(shù)據(jù)集上的分類準(zhǔn)確率高達(dá)71.15%。從Breast中可以看出當(dāng)E0.8,E0.7+==時，算法在Breast數(shù)據(jù)集上的分類準(zhǔn)確率高達(dá)77.38%。從Ionosphere可以看出當(dāng)E:E1:1+=時，算法在Ionosphere數(shù)據(jù)集上的分類準(zhǔn)確率高達(dá)88.68%。由此可知，我們可以通過尋找最優(yōu)能量參數(shù)來確定最優(yōu)超平面。圖3-4能量參數(shù)E+和E對ESLS-TWSVM性能的影響Figure3-4Theeffectofenergyparameters(E+andE)ontheperformanceoftheESLS-TWSVM統(tǒng)計(jì)分析為了更好地說明實(shí)驗(yàn)結(jié)果，我們使用Friedman檢驗(yàn)。假設(shè)我們使用不同的數(shù)據(jù)集來比較這些算法。首先，在每個數(shù)據(jù)集上獲取各個算法相應(yīng)的測試結(jié)果。然后，根據(jù)在每個數(shù)據(jù)集上的分類準(zhǔn)確率，對每個算法從高到低進(jìn)行排序。例如，分類準(zhǔn)確率最高的算法排名為1，次高的算法排名為2，依此類推。如果算法的分類準(zhǔn)確率相同，則算法的得分值相同。表3-5給出了上述算法在線性情況下準(zhǔn)確度的平均等級。

碩士學(xué)位論文40圖3-5宏觀平均ROC曲線和AUC值Figure3-5Macro-averageROCcurvesandAUC表3-7非線性情況下各個算法的AUC值Table3-7TheAUCofeachalgorithmusingtheRBFkernel數(shù)據(jù)集OVOTWSVMOVRTWSVMILST-KSVCMBSVMIMBSVMMBLSSVMESLS-MBSVMIris0.950.960.800.960.970.950.98Wine0.750.850.930.720.580.790.84Glass0.870.750.740.750.790.740.81Vowel0.990.990.980.990.980.960.99Balance0.800.800.810.770.820.760.88Vehicle0.920.770.740.800.560.850.86CMC0.630.660.590.660.610.670.72Zoo0.970.970.960.960.960.950.98DNA0.600.570.510.570.590.730.63Segment0.910.940.880.970.940.960.98平均值0.840.830.790.820.780.840.87

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)QPSO算法的電動汽車模糊控制器參數(shù)優(yōu)化[J]. 袁小平,金鵬,周國鵬.  計(jì)算機(jī)應(yīng)用研究. 2019(12)
[2]量子粒子群優(yōu)化算法的收縮—擴(kuò)張系數(shù)控制策略研究[J]. 黃為勇,徐曉菊,潘曉博,孫彥景,李松.  計(jì)算機(jī)應(yīng)用研究. 2016(09)
[3]量子粒子群優(yōu)化算法的收斂性分析及控制參數(shù)研究[J]. 方偉,孫俊,謝振平,須文波.  物理學(xué)報(bào). 2010(06)
[4]具有量子行為的粒子群優(yōu)化算法的參數(shù)選擇[J]. 康燕,孫俊,須文波.  計(jì)算機(jī)工程與應(yīng)用. 2007(23)
[5]具有向量凸性的多目標(biāo)規(guī)劃的Wolf對偶[J]. 周厚春.  洛陽大學(xué)學(xué)報(bào). 2000(04)

博士論文
[1]量子行為粒子群優(yōu)化算法研究[D]. 孫俊.江南大學(xué) 2009



本文編號：2905676