基于一种快速自适应算法的分类器设计

发布时间：2022-09-29 15:47

　　随着信息时代和大数据时代的到来,分类问题也变得日益复杂,高维大样本分类问题和在线应用需求要求研究人员在分类器的设计过程中从分类器精度和“维数灾难”之间选择一个合适的折衷点。为了降低分类器的存储需求以适用在线应用,同时也为了赋予分类器处理高维大样本的能力,本文将特征选择和分类两个独立的过程当作一个整体来考虑。本文首先从分类边界的角度出发建立了一种分片线性分类器。该分类器在支持向量机（Support Vector Machine,SVM）的理论基础上应用自适应链接超平面模型（Adaptive Hinging Hyperplanes,AHH）来划分样本空间,从而保证样本在各个子空间上线性可分。得益于特殊的训练算法,该分类器将特征选择和分类两个过程统一到了一起,成功在精度和“维数灾难”之间寻找到了合适的折衷点。然后,本文还从神经网络角度出发建立了一种具备自适应性的神经网络分类器。该分类器将AHH模型基函数作为网络的激活函数并建立了一个模型效率较高的单隐层神经网络分类器。与其他的神经网络分类器相比,该分类器在训练速度和测试速度上显示出了绝对的优势,因此该分类器比其他神经网络更加适用于在线应用。最... 

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
引言
第1章 文献综述
    1.1 神经网络分类器概述
        1.1.1 神经网络简介
        1.1.2 神经网络分类器
    1.2 分片线性分类器概述
        1.2.1 分片线性分类器的研究现状
        1.2.2 分片线性分类器的应用及改进方案
    1.3 特征选择方法概述
    1.4 本章小结
第2章 分片线性分类器设计
    2.1 SVM及 AHH模型回顾
        2.1.1 SVM回顾
        2.1.2 AHH模型回顾
    2.2 AHH-SVM分类器设计
        2.2.1 分片线性分类器构造
        2.2.2 特征参数辨识及子区间边界
    2.3 仿真实验
        2.3.1 数据集简介及预处理
        2.3.2 仿真实验及分析
    2.4 本章小结
第3章 神经网络分类器设计
    3.1 神经网络分类器设计
        3.1.1 分类器构造
        3.1.2 参数辨识及网络设计
    3.2 仿真实验
    3.3 本章小结
第4章 快速自适应算法设计及特征选择
    4.1 算法设计与分析
        4.1.1 算法设计
        4.1.2 算法分析
    4.2 参数说明及算法实现
    4.3 自适应性与特征选择
        4.3.1 自适应性
        4.3.2 特征数量选择
        4.3.3 自适应性与特征选择的关系
    4.4 本章小结
第5章 结论
参考文献
附录A 在学期间研究成果
致谢


【参考文献】：
期刊论文
[1]自适应链接超平面及其与高阶典范模型的比较[J]. 许鋆,王晶,王书宁.  清华大学学报(自然科学版). 2010(10)



本文编号：3682868