双重支持向量机的改进及其应用

发布时间：2023-05-03 18:49

　　双重支持向量机(Twin Support Vector Machines,简称 TWSVM)在 2007 年由 Jayadeva等人最早提出,它的基本思想是对两类训练样本点分别构造一个分类超平面,使得每一个超平面与本类训练样本点尽可能的近,而与另一类训练样本点尽可能的远.新的训练样本点离哪个超平面近,就属于哪一类.相比于经典的支持向量机(Support Vector Machines,简称SVM),TWSVM将一个规模较大的二次规划问题成功转变为两个规模较小的二次规划问题,这样就使训练时间大大减少,计算效率大约是SVM的四倍.由于TWSVM优秀的学习性能,使其成为了数据挖掘、机器学习领域的研究热点.对TWSVM进行了深入的学习和研究后,发现TWSVM无法降低噪声对最优分类面的影响;此外TWSVM最早是为二分类问题所设计的,缺少对多分类问题的处理能力,本文针对上述问题,主要做了如下工作:(1)研究了 SVM和TWSVM两种算法的原理,介绍了其主要推理过程,通过对比,证明TWSVM所具有的良好性能.(2)为了降低噪声或野点对TWSVM最优分类面的影响,提出了三种改进的双重支持向量机,通过人...

【文章页数】：47 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景及意义
    1.2 发展历史及研究现状
    1.3 本文主要工作及结构安排
2 预备知识
    2.1 支持向量机基本知识
    2.2 双重支持向量机基本知识
    2.3 本章小结
3 改进的双重支持向量机
    3.1 模糊双重支持向量机(MTWSVM)
    3.2 超球体双重支持向量机(CTWSVM)
    3.3 混合双重支持向量机(HTWSVM)
    3.4 数值实验
4 混合双重二叉树支持向量机
    4.1 二义树支持向量机
    4.2 混合双厦二叉树支持向量机(BT-HTWSVM)
    4.3 数据实验
5 总结与展望
参考文献
硕士阶段的主要成果
致谢



本文编号：3807086