基于低偏差序列的GAPSO S VM算法研究与应用

发布时间：2021-03-13 21:30

　　在数据挖掘领域中,分类算法是当前研究的一个重要方向。作为一种经典的分类算法,支持向量机在处理非线性、小样本、高维数的问题时有着很大优势。在解决实际问题时,核函数和惩罚参数会影响着支持向量机的分类效果,为了提高其分类效果,提出用启发式算法优化支持向量机。同时,为了克服使用单一的启发式算法在优化支持向量机的过程中出现的易陷入局部最优,不能进行全局搜索的不足,提出基于低偏差序列的GAPSO_SVM算法。为了验证改进的算法的可行性与性能,本文的研究工作主要通过三方面展开,第一,分析与改进传统的启发式算法;第二,分析二分类支持向量机的基本原理与数学建模过程,根据多分类问题,构造出多分类支持向量机。在分析影响支持向量机分类性能的基础上,利用改进的启发式算法选择合适的核函数和惩罚参数,设计出性能优越的支持向量机;第三,选取意图分类数据集,对中文文本作分词、去停用词后,利用Word2vec语言模型提取文本特征、量化文本,最后将量化后的特征作为训练数据,改进的支持向量机作为学习器,从而构造出意图分类的模型。其中,在改进传统的启发式算法工作中,本文提出如下创新点:1.针对遗传算法存在收... 

【文章来源】：上海师范大学上海市

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

线性二分类

线性可分

最大确信度（一）函数与几何间隔

【参考文献】：
期刊论文
[1]SVM与PSO相结合的电机轴承故障诊断[J]. 李嫄源,袁梅,王瑶,程安宇.  重庆大学学报. 2018(01)
[2]中文简历自动解析及推荐算法[J]. 谷楠楠,冯筠,孙霞,赵妍,张蕾.  计算机工程与应用. 2017(18)
[3]一种改进的SVM算法在乳腺癌诊断方面的应用[J]. 吴辰文,李长生,王伟,梁靖涵,闫光辉.  计算机工程与科学. 2017(03)
[4]基于混合遗传粒子群优化推荐算法的设计[J]. 吴彦文,王洁.  计算机工程与设计. 2017(02)
[5]基于粒子群算法的基因表达谱聚类分析方法[J]. 李梁,陈佳瑜.  重庆理工大学学报(自然科学). 2017(02)
[6]改进的基于粒子群优化的支持向量机特征选择和参数联合优化算法[J]. 张进,丁胜,李波.  计算机应用. 2016(05)
[7]智能医疗系统中GASVM特征选择和参数优化[J]. 徐旭东,王群,孔令韬.  计算机系统应用. 2015(03)
[8]基于GA-PSO的粗糙集属性约简算法[J]. 戴上平,刘素军,郑素菲.  计算机工程与科学. 2015(02)
[9]基于PCA和PSO-SVM在葡萄酒分类中的应用研究[J]. 徐小华,全晓松,张子锋,胡晓飞.  云南民族大学学报(自然科学版). 2014(06)
[10]基于粒子群-遗传混合算法的MIMO雷达布阵优化[J]. 施荣华,朱炫滋,董健,谢羽嘉,郭迎.  中南大学学报(自然科学版). 2013(11)

博士论文
[1]基于遗传算法优化的中文分词研究[D]. 何嘉.电子科技大学 2012
[2]遗传算法与粒子群优化算法的改进及应用研究[D]. 汤可宗.南京理工大学 2011

硕士论文
[1]基于EHMM-SVM的人脸识别算法研究[D]. 刘欢.郑州大学 2016
[2]基于改进支持向量机回归的地震预测方法研究[D]. 朱海宁.安徽大学 2016
[3]粒子群遗传混合算法及其在函数优化上的应用[D]. 倪全贵.华南理工大学 2014
[4]遗传算法的一些改进及其应用[D]. 崔珊珊.中国科学技术大学 2010



本文编号：3080941