基于粒计算的支持向量机多分类模型研究

发布时间：2017-10-06 05:42

  本文关键词：基于粒计算的支持向量机多分类模型研究

  更多相关文章： 粒计算 支持向量机 哈夫曼树 多分类

【摘要】：统计学习理论是研究小样本背景下机器学习规律的理论,它为解决有限样本学习问题提供了一个统一的框架。支持向量机是在统计学习理论基础上发展起来的一种通用的学习方法,具有全局优化、适应性强、理论完备、泛化性能好等优点。支持向量机基于结构风险最小化准则来提升泛化能力,在处理二分类、非线性、小样本等问题上比较完善,同时较大程度地解决了“维数灾难”和“过度学习”等困难。随着科技的发展,种类多变、分布不均匀、海量信息等干扰因素的增加,给多分类问题的处理带来了一定的困难。因此研究一种新的多分类模型,将粒计算思想、哈夫曼树、支持向量机结合实现模型构建,从而提高分类的效率和精度。首先,将粒计算理论融入到多分类问题中,应用粒三元论思想对具体问题进行观察、定义与转化,利用粒计算的分层思想,建立粒结构并进行粒度的粗化与细化,计算粒度。从不同角度对数据进行处理和分析,进而解决海量数据和训练速度低下等问题。其次,依据粒度排序,构造哈夫曼树,解决类内样本分布不均与分类效率低等问题。利用哈夫曼树带权路径长度最短的特点,使之能在最短的时间内归属类别,并用VC++6.0编程实现了哈夫曼树的构造,得到哈夫曼编码。最后,对决策树的粒进行分析,设计每个粒对应的不同支持向量机分类器,构建全局多分类模型,利用MATLAB实现了模型训练和仿真,并运用实例验证了模型的科学性和有效性。图17幅;表9个;参61篇。
【关键词】：粒计算 支持向量机 哈夫曼树 多分类
【学位授予单位】：华北理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP18;O212
【目录】：

• 摘要4-5
• Abstract5-8
• 引言8-10
• 第1章 绪论10-19
• 1.1 研究背景与立题依据10-11
• 1.2 国内外研究现状11-17
• 1.2.1 支持向量机研究现状及存在问题11-14
• 1.2.2 粒计算研究现状及存在问题14-16
• 1.2.3 粒计算与支持向量机结合的研究现状16-17
• 1.3 研究目标及方法17
• 1.3.1 研究目标17
• 1.3.2 研究方法17
• 1.4 研究内容及结构安排17-19
• 第2章 理论基础与方法19-31
• 2.1 多分类问题的来源19
• 2.2 基于支持向量机的多分类模型19-25
• 2.2.1 支持向量机理论19-21
• 2.2.2 模型及存在问题21-25
• 2.3 基于二叉树的支持向量机改进模型25-27
• 2.3.1 改进模型及存在问题25-27
• 2.3.2 哈夫曼树原理及算法27
• 2.4 粒计算理论及相关模型27-30
• 2.4.1 粒计算的三大模型27-29
• 2.4.2 粒计算方法论29-30
• 2.4.3 粒计算支持向量机的算法步骤30
• 2.5 本章小结30-31
• 第3章 模型构建31-37
• 3.1 问题的提出31
• 3.2 模型构建及算法改进31-35
• 3.2.1 基于粒计算的多分类模型31-33
• 3.2.2 基于哈夫曼树的多分类模型33-34
• 3.2.3 多分类器构造34
• 3.2.4 支持向量机核函数及参数选取34-35
• 3.3 全局模型流程图35
• 3.4 本章小结35-37
• 第4章 模型应用37-47
• 4.1 多文本分类案例分析37-40
• 4.1.1 多文本分类来源37
• 4.1.2 计算实现37-40
• 4.2 低温存储工程材料案例分析40-46
• 4.2.1 工程材料多分类来源40-41
• 4.2.2 计算实现41-46
• 4.3 本章小结46-47
• 结论47-48
• 参考文献48-52
• 附录 程序编码52-58
• 致谢58-59
• 导师简介59-60
• 作者简介60-61
• 学位论文数据集61

【参考文献】

中国期刊全文数据库 前3条

1 王艳;陈欢欢;沈毅;;有向无环图的多类支持向量机分类算法[J];电机与控制学报;2011年04期

2 杜伟林;苗夺谦;李道国;张年琴;;概念格与粒度划分的相关性分析[J];计算机科学;2005年12期

3 石磊;侯丽萍;;基于改进PSO算法参数优化的模糊支持向量分类机[J];信阳师范学院学报(自然科学版);2013年02期

，

本文编号：981052