基于优化问题的非平行支持向量机研究

发布时间：2021-04-30 09:33

　　支持向量机是机器学习中使用最为广泛的算法之一,它最初由Vapnik在20世纪90年代提出,伴随着机器学习和数据挖掘的飞速发展,支持向量机赋予了分类问题和回归问题新的意义,吸引了越来越多的学者的关注和研究,它被广泛用于图像处理、语音识别和自然语言处理等方面.传统的支持向量机是通过最大间隔的原则寻找单一的决策超平面达到分类的目的,然而其推广性受到单一超平面的限制,对于交叉性数据以及其他数据的分类性不强.随着双子支持向量机以及非平行支持向量机的提出,通过对每类样本点分别构造相应的非平行决策超平面,使得其推广性和适应性更强.在大数据时代背景之下,伴随着数据类型的多样性以及特殊性,数据的规模也随之增大,对于数据分类的模型构建的要求也在提高.本文从优化问题的角度以及多视角分类的方面进行研究,建立了新的非平行支持向量机分类模型及算法并通过数值实验说明了其有效性.本文结构安排如下:第一章主要介绍本文的研究背景及意义、研究现状以及本文的主要工作.第二章基于非平行支持向量机提出了一类新的分类算法.研究基于优化问题的l1-v-非平行支持向量机,通过构建新的优化问题分类模型使得该算法拥有了较好的解决不平衡分类... 

【文章来源】：曲阜师范大学山东省

【文章页数】：46 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 研究现状
    1.3 本文的主要工作
第二章 基于优化问题的l_1-v-非平行支持向量机
    2.1 基于优化问题的非平行支持向量机
    2.2 基于优化问题的l_1-v-非平行支持向量机
        2.2.1 线性情形
        2.2.2 参数v的意义
        2.2.3 非线性情形
    2.3 数值实验
    2.4 本章小结
第三章 多视角双子边界支持向量机
    3.1 多视角双子支持向量机
    3.2 多视角双子边界支持向量机
        3.2.1 线性情形
        3.2.2 非线性情形
    3.3 数值实验
    3.4 本章小结
第四章 总结与展望
参考文献
作者在攻读硕士期间发表与待发表的论文
致谢


【参考文献】：
期刊论文
[1]从支持向量机到非平行支持向量机[J]. 邵元海,杨凯丽,刘明增,王震,李春娜,陈伟杰.  运筹学学报. 2018(02)
[2]多视角学习综述[J]. 唐静静,田英杰.  数学建模及其应用. 2017(03)
[3]基于支持向量机的人脸识别技术研究[J]. 于真.  计算机仿真. 2011(12)
[4]基于支持向量机的说话人辨认研究[J]. 侯风雷,王炳锡.  通信学报. 2002(06)



本文编号：3169276