模糊孿生支持向量機的改進及其求解方法研究.pdf

1、支持向量機是在統(tǒng)計學習理論的基礎(chǔ)上發(fā)展起來的一種機器學習方法，其理論基礎(chǔ)是統(tǒng)計學習理論的VC維和結(jié)構(gòu)風險最小化原理。目前，研究人員對支持向量機進行了廣泛的研究，并且提出了許多改進算法，比如模糊支持向量機、孿生支持向量機和模糊孿生支持向量機，這些方法不僅提高了算法的正確率，而且也減少了運行時間。為了進一步提高支持向量機的性能，本文對模糊孿生支持向量機進行了研究，提出了一種改進的模糊孿生支持向量機，即模糊孿生有界支持向量機，同時對模糊孿生有

2、界支持向量機中的拉格朗日乘子的求解方法進行了研究。
　　本研究主要內(nèi)容包括：⑴提出了一種模糊孿生支持向量機的改進算法，即模糊孿生有界支持向量機。通過深入研究模糊支持向量機、孿生支持向量機和模糊孿生支持向量機，進一步秉承結(jié)構(gòu)風險最小化原理，在模糊孿生支持向量機基礎(chǔ)上對其進行了改進，提出了模糊孿生有界支持向量機，該方法不僅考慮了支持向量機的經(jīng)驗風險和結(jié)構(gòu)風險，而且考慮了樣本的重要性和噪聲對超平面的影響，并且在分類正確率方面優(yōu)于模糊孿生

3、支持向量機FTSVM。⑵提出了模糊孿生有界支持向量機與模糊孿生支持向量機中拉格朗日乘子的迭代求解方法。為了獲得模糊孿生支持向量機和模糊孿生有界支持向量機，通常采用求解一個凸二次規(guī)劃問題來獲得拉格朗日乘子，對于此種方法的求解，其計算時間較長，代價較高。為了進一步提高模糊孿生有界支持向量機與模糊孿生支持向量機的性能，本文采用逐次超松弛迭代方法求解模糊孿生支持向量機和模糊孿生有界支持向量機中的拉格朗日乘子，獲得了求解拉格朗日乘子的迭代公式，表