基于非平行支持向量机的顺序回归算法
发布时间:2021-05-25 15:02
顺序回归机(简称OR)解决的是带有顺序的多类分类问题,它在众多领域有着广泛的应用,如信用等级、人脸识别、医疗研究和社会科学等.支持向量机(简称SVM)作为处理分类问题的一种有效算法,它在解决二分类问题上已经取得了显著的分类效果.因此如何将二分类算法扩展到顺序回归问题中,具有重要的研究意义.本文主要内容大致分为如下三个部分:第一部分是将v-非平行支持向量机(简称v-NPSVM)推广得到新的顺序回归机称为v-非平行支持向量顺序回归机(简称v-NPSVOR).相较于非平行支持向量顺序回归机(简称NPSVOR),该算法将其中的参数∈变为变量∈k,k∈{1,...,q},减少了选取参数的困难.第二部分是将稀疏线性非平行支持向量机(简称L1-NPSVM)推广得到新的顺序回归机称为L1-非平行支持向量顺序回归机(简称L1-NPSVOR).该算法是将NPSVOR中的目标函数添加了1/2bk2,不仅使得决策变量bk的解唯一而且对偶问题减少了等式约束;第三部分是将改进的孪生支持向量机(简称ITSVM)推广得到新的顺序回归机称为稳定非平行支持向量顺序回归机(简称SNPSVOR).该算法是将L1-NPSVOR...
【文章来源】:重庆师范大学重庆市
【文章页数】:48 页
【学位级别】:硕士
【文章目录】:
摘要
ABSTRACT
1 绪论
1.1 引言
1.2 支持向量机介绍
1.2.1 平行超平面支持向量机
1.2.2 非平行超平面支持向量机
1.3 顺序回归机简介
1.3.1 顺序回归问题
1.3.2 顺序回归问题的算法
1.4 本论文的研究思路及工作
2 v-非平行支持向量顺序回归机(简称v-NPSVOR)
2.1 引言
2.2 预备知识
2.3 v-非平行支持向量顺序回归机(简称v-NPSVOR)
2.3.1 线性v-NPSVOR
2.3.2 非线性v-NPSVOR
2.4 数值实验
2.5 小结
3 L_1-非平行支持向量顺序回归机(简称L_1-NPSVOR)
3.1 引言
3.2 预备知识
3.3 L_1-非平行支持向量顺序回归机(简称L_1-NPSVOR)
3.3.1 线性L_1-NPSVOR
3.3.2 非线性L_1-NPSVOR
3.4 数值实验
3.5 小结
4 稳定非平行支持向量顺序回归机(简称SNPSVOR)
4.1 引言
4.2 预备知识
4.3 稳定非平行支持向量顺序回归机(简称SNPSVOR)
4.3.1 线性SNPSVOR
4.3.2 非线性SNPSVOR
4.4 数值实验
4.5 小结
5 结论及展望
参考文献
附录A
致谢
【参考文献】:
博士论文
[1]基于非平行超平面支持向量机的分类问题研究[D]. 王震.吉林大学 2014
[2]支持向量回归机及其应用研究[D]. 田英杰.中国农业大学 2005
硕士论文
[1]基于演化算法的序回归技术研究[D]. 伍玉舟.中国科学技术大学 2016
[2]关于顺序回归机与多类分类算法的研究[D]. 阳红英.新疆大学 2010
本文编号:3205547
【文章来源】:重庆师范大学重庆市
【文章页数】:48 页
【学位级别】:硕士
【文章目录】:
摘要
ABSTRACT
1 绪论
1.1 引言
1.2 支持向量机介绍
1.2.1 平行超平面支持向量机
1.2.2 非平行超平面支持向量机
1.3 顺序回归机简介
1.3.1 顺序回归问题
1.3.2 顺序回归问题的算法
1.4 本论文的研究思路及工作
2 v-非平行支持向量顺序回归机(简称v-NPSVOR)
2.1 引言
2.2 预备知识
2.3 v-非平行支持向量顺序回归机(简称v-NPSVOR)
2.3.1 线性v-NPSVOR
2.3.2 非线性v-NPSVOR
2.4 数值实验
2.5 小结
3 L_1-非平行支持向量顺序回归机(简称L_1-NPSVOR)
3.1 引言
3.2 预备知识
3.3 L_1-非平行支持向量顺序回归机(简称L_1-NPSVOR)
3.3.1 线性L_1-NPSVOR
3.3.2 非线性L_1-NPSVOR
3.4 数值实验
3.5 小结
4 稳定非平行支持向量顺序回归机(简称SNPSVOR)
4.1 引言
4.2 预备知识
4.3 稳定非平行支持向量顺序回归机(简称SNPSVOR)
4.3.1 线性SNPSVOR
4.3.2 非线性SNPSVOR
4.4 数值实验
4.5 小结
5 结论及展望
参考文献
附录A
致谢
【参考文献】:
博士论文
[1]基于非平行超平面支持向量机的分类问题研究[D]. 王震.吉林大学 2014
[2]支持向量回归机及其应用研究[D]. 田英杰.中国农业大学 2005
硕士论文
[1]基于演化算法的序回归技术研究[D]. 伍玉舟.中国科学技术大学 2016
[2]关于顺序回归机与多类分类算法的研究[D]. 阳红英.新疆大学 2010
本文编号:3205547
本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3205547.html