基于統(tǒng)計(jì)學(xué)習(xí)理論的支持向量機(jī)分類(lèi)方法研究.pdf

1、統(tǒng)計(jì)學(xué)習(xí)理論作為一種專(zhuān)門(mén)的小樣本學(xué)習(xí)理論,針對(duì)模式識(shí)別和機(jī)器學(xué)習(xí)的實(shí)際問(wèn)題,在解決小樣本、非線性及高維模式識(shí)別等問(wèn)題中表現(xiàn)出了許多特有的優(yōu)勢(shì),使模式識(shí)別、機(jī)器學(xué)習(xí)的理論向前邁進(jìn)了一大步.同時(shí),在其理論基礎(chǔ)上發(fā)展出了很多實(shí)際的學(xué)習(xí)方法.支持向量機(jī)(SVM)就是最具代表性的一個(gè),它專(zhuān)門(mén)針對(duì)有限樣本情況,得到現(xiàn)有信息下的最優(yōu)解,很大程度上解決了模型選擇、過(guò)學(xué)習(xí)、非線性、維數(shù)災(zāi)難等問(wèn)題.目前已經(jīng)成為模式識(shí)別領(lǐng)域研究和應(yīng)用的熱點(diǎn).該文圍繞著支持向

2、量機(jī)分類(lèi)器的算法及應(yīng)用進(jìn)行了一些探索性的研究.該文重點(diǎn)針對(duì)支持向量機(jī)分類(lèi)器算法中待解決的核函數(shù)問(wèn)題、算法速度問(wèn)題和多類(lèi)支持向量機(jī)的設(shè)計(jì)問(wèn)題,以及支持向量機(jī)的一個(gè)重要的應(yīng)用領(lǐng)域——人臉檢測(cè)問(wèn)題,提出了新的核函數(shù)、新的快速算法和多類(lèi)支持向量機(jī)分類(lèi)樹(shù),使SVM分類(lèi)器在分類(lèi)性能、推廣性和運(yùn)算速度上都得到了提高,并設(shè)計(jì)了一種結(jié)合膚色模型的兩層支持向量機(jī)人臉檢測(cè)系統(tǒng),使復(fù)雜背景下的多人臉檢測(cè)更準(zhǔn)確和魯棒.具有理論意義和實(shí)際應(yīng)用價(jià)值.該文的主要工作與

3、創(chuàng)新之處包括:1.提出了一種新的基于空間距離的支持向量機(jī)核函數(shù)—MDGK核函數(shù)(Moderate-Decreasing Gauss Kernel).2.針對(duì)支持向量機(jī)分類(lèi)器中兩類(lèi)核函數(shù),即全局核函數(shù)和局部核函數(shù)進(jìn)行研究和分析,根據(jù)局部核函數(shù)的學(xué)習(xí)能力優(yōu)于全局核函數(shù),而推廣能力則劣于全局核函數(shù)的特點(diǎn),將兩者通過(guò)一定的系數(shù)結(jié)合成組合核函數(shù),從而使兩者在學(xué)習(xí)和推廣能力兩方面的優(yōu)點(diǎn)得以結(jié)合.3.提出了一種新的支持向量機(jī)快速算法——基于殼向量的支

4、持向量機(jī)算法(HVSVM).4.提出了一種新的基于聚類(lèi)的支持向量機(jī)迭代算法.5.提出了一種新的基于核聚類(lèi)方法的多層次支持向量機(jī)分類(lèi)樹(shù).6.設(shè)計(jì)了一種結(jié)合膚色模型的兩層支持向量機(jī)人臉檢測(cè)系統(tǒng).統(tǒng)計(jì)學(xué)習(xí)理論和支持向量機(jī)在模式識(shí)別領(lǐng)域中,已經(jīng)取得了很多成果,建立了一系列較完善的理論體系和方法,但也存在很多的尚未解決的理論和實(shí)際問(wèn)題.作為模式識(shí)別中十分值得進(jìn)一步深入研究的領(lǐng)域,它吸引著人們不斷地進(jìn)行探索,做出有益的嘗試,使其在理論和應(yīng)用的道路上