近年來(lái)隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展以及社會(huì)的不斷進(jìn)步,機(jī)器學(xué)習(xí)這一門(mén)人工智能科學(xué)在社會(huì)生產(chǎn)、科學(xué)研究及日常生活中占據(jù)著愈發(fā)重要的作用。作為機(jī)器學(xué)習(xí)中的經(jīng)典算法,支持向量機(jī)（Support Vector Machine,SVM）基于其在小樣本、非線性及高維模式識(shí)別中的特有優(yōu)勢(shì)而得到了快速的發(fā)展。目前國(guó)內(nèi)外學(xué)者對(duì)支持向量機(jī)進(jìn)行了許多有益的探索和研究,并將其成功應(yīng)用于包括生物信息學(xué)、文本識(shí)別和天氣預(yù)報(bào)等領(lǐng)域在內(nèi)的生產(chǎn)生活各個(gè)方面。然而,沒(méi)有一個(gè)模型可以在所有情況下都表現(xiàn)良好,單一的支持向量機(jī)仍然存在著局限性,如存在缺失值時(shí)效果欠佳、參數(shù)確定沒(méi)有具體的標(biāo)準(zhǔn)以及面對(duì)復(fù)雜數(shù)據(jù)時(shí)表現(xiàn)不理想等,這些問(wèn)題會(huì)對(duì)模型效果帶來(lái)不利影響。基于這一背景,本文對(duì)支持向量機(jī)進(jìn)行改進(jìn)并提出若干基于支持向量機(jī)的優(yōu)化模型。優(yōu)化形式可以分為三類:數(shù)據(jù)結(jié)構(gòu)優(yōu)化、參數(shù)優(yōu)化以及組合優(yōu)化。對(duì)于數(shù)據(jù)結(jié)構(gòu)優(yōu)化,本文使用分解集成策略來(lái)選擇合適的數(shù)據(jù)訓(xùn)練支持向量機(jī),以改善支持向量機(jī)對(duì)復(fù)雜數(shù)據(jù)效果欠佳的問(wèn)題;對(duì)于參數(shù)優(yōu)化模型,本文提出基于最優(yōu)化算法的模型來(lái)處理支持向量機(jī)參數(shù)選擇問(wèn)題;組合優(yōu)化模型又可分為方法組合優(yōu)化和模型組合優(yōu)化,其中方法組合優(yōu)化... 

【文章來(lái)源】：東北財(cái)經(jīng)大學(xué)遼寧省

【文章頁(yè)數(shù)】：187 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

圖２－１支持向量機(jī)分類演示??其中黑點(diǎn)和灰點(diǎn)代表兩類數(shù)據(jù)，中間的直線是分類超平面，兩邊的直線是分類邊界，??學(xué)習(xí)的目的是使分類超平面到分類邊界的距離最大

８；?Ｇｏｎｚｄｌｅｚ?ｅｔ?ａｌ．?２０１３；?Ｈｅｓｓ，?Ｉｙｅｒ?和?Ｍａｌｍ?２００１?）。??ＫＺＡ濾波器首先識(shí)別發(fā)生突變時(shí)的時(shí)間間隔，然后通過(guò)縮短窗口大小來(lái)更仔細(xì)地檢??查這些時(shí)間間隔，以便增加平滑結(jié)果的分辨率。??°?－?Ａ??＾?Ａ??￡?？??〇??—?〇〇?＿?；：：：??〇??？ｒ－—??▼—一??會(huì)??￣￣Ｉ?Ｉ?Ｉ?１?Ｉ?１?Ｉ??－０．１０?－０．０５?０?００?０．０５?０．１０??ｌａｍｄａ??圖３－１添加突變后的原始時(shí)間序列??為了模擬ＫＺＡ濾波斷點(diǎn)檢測(cè)的效果，本節(jié)模擬了一個(gè)長(zhǎng)期趨勢(shì)并在時(shí)間序列中??隱藏了一些突變點(diǎn)。圖３－１是幅度為Ｉ單位，噪聲為正態(tài)分布（ｄ）并具有中斷信??號(hào)的季節(jié)性正弦波圖。為了使問(wèn)題更加復(fù)雜，基本信號(hào)包含１個(gè)單位的下降趨勢(shì)和??０．５個(gè)單位的上升趨勢(shì)�；緯r(shí)間序列是階梯函數(shù)，當(dāng)／＜?３４５２時(shí)，??ｖ?＝?－�。�?＋?ｓｉｎ＾２?Ｍ＾３４５２＜ｒ＜?７３００ｆｆｔ，＿ｙ?＝二＾－（，―３４５２）＋ｓｉｎ（２ｒ，Ｑ?將低通平??？?７３００?＾?７３００??滑濾波器尤Ｚ３?３６５應(yīng)用于原始數(shù)據(jù)會(huì)導(dǎo)致過(guò)度平滑，如圖３－２所示那樣突變位置不再明??顯，但是應(yīng)用自適應(yīng)版本的ＫＺ濾波器（ＫＺＡ）卻成功找到了突變，如圖３－３所示。??其中（１）是添加季節(jié)性和白噪聲的時(shí)間序列，（２）是使用ＫＺＡ濾波的過(guò)濾結(jié)果。??這一結(jié)果論證了?ＫＺＡ濾波的效果。??２７??

支持向量機(jī)模型的優(yōu)化及其應(yīng)用研究??運(yùn)：??ｔ?〇．?—????????運(yùn)?＾?＾?＾?＾?一?￣￣?？￣?—????ｆｅ?？??—Ｉ?１?１?１???Ｃ?２Ｘ：?ＯＫ?９？＞：??天數(shù)??圖３－２使用低通濾波ＫＺ３，３６５的濾波結(jié)果???時(shí)間序列＋季節(jié)項(xiàng)＋噪聲???〇?ｚｘｃ?＊ｖｘ?９ｃｏ：??天數(shù)?⑴???ＫＺＡ濾波結(jié)果???１°．??Ｃ?２ＶＸ?＊７Ｋ?９ＸＣ??天數(shù)?（２）??圖３－３使用ＫＺＡ濾波的濾波結(jié)果??ＫＺＡ濾波的基本想法是根據(jù)ＫＺ濾波發(fā)現(xiàn)的趨勢(shì)調(diào)整窗口的大校這將使過(guò)濾??２８??

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)特征提取和粒子群支持向量機(jī)狀態(tài)識(shí)別的齒輪智能故障診斷[J]. 時(shí)培明,梁凱,趙娜,安淑君.  中國(guó)機(jī)械工程. 2017(09)
[2]氣象條件對(duì)呼和浩特市空氣質(zhì)量變化的影響評(píng)估[J]. 吳宜航,白鶴鳴,師華定,李喜倉(cāng),高春香,宋海清.  干旱區(qū)研究. 2016(02)
[3]自適應(yīng)粒子群支持向量機(jī)風(fēng)速組合預(yù)測(cè)模型[J]. 柏丹丹,和敬涵,王小君,田文奇.  太陽(yáng)能學(xué)報(bào). 2015(04)
[4]基于氣象調(diào)整的京津冀典型城市空氣污染指數(shù)序列重建[J]. 白鶴鳴,師華定,高慶先,李喜倉(cāng),邸瑞琦,吳宜航.  生態(tài)與農(nóng)村環(huán)境學(xué)報(bào). 2015(01)
[5]基于網(wǎng)絡(luò)搜索的票房預(yù)測(cè)模型——來(lái)自中國(guó)電影市場(chǎng)的證據(jù)[J]. 王煉,賈建民.  系統(tǒng)工程理論與實(shí)踐. 2014(12)
[6]風(fēng)電場(chǎng)風(fēng)速數(shù)值預(yù)報(bào)的動(dòng)態(tài)修訂方法的探討[J]. 吳息,黃林宏,周海,王知嘉,江燕如.  大氣科學(xué)學(xué)報(bào). 2014(05)
[7]網(wǎng)絡(luò)搜索數(shù)據(jù)與消費(fèi)者信心指數(shù)的相關(guān)性研究[J]. 劉偉江,樊國(guó)虎,李映橋.  數(shù)量經(jīng)濟(jì)研究. 2014(02)
[8]失業(yè)率預(yù)測(cè)研究——基于網(wǎng)絡(luò)搜索數(shù)據(jù)及改進(jìn)的逐步回歸模型[J]. 彭賡,蘇亞軍,李娜.  現(xiàn)代管理科學(xué). 2013(12)
[9]網(wǎng)絡(luò)搜索數(shù)據(jù)與CPI的相關(guān)性研究[J]. 張崇,呂本富,彭賡,劉穎.  管理科學(xué)學(xué)報(bào). 2012(07)
[10]基于組合預(yù)測(cè)方法的風(fēng)電場(chǎng)短期風(fēng)速預(yù)測(cè)[J]. 彭懷午,劉方銳,楊曉峰.  太陽(yáng)能學(xué)報(bào). 2011(04)

碩士論文
[1]基于時(shí)間序列分析的風(fēng)速短期預(yù)測(cè)方法研究[D]. 岳莉莉.華北電力大學(xué) 2012
[2]基于支持向量機(jī)的組合預(yù)測(cè)模型及其個(gè)人信用評(píng)價(jià)方法[D]. 史小伍.江蘇科技大學(xué) 2012
[3]基于數(shù)據(jù)降維和支持向量機(jī)的入侵檢測(cè)方法研究[D]. 肖海明.華北電力大學(xué)（河北） 2010



本文編號(hào)：3595838