版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、目前,SVM已經(jīng)被廣泛應(yīng)用于包括文本分類、圖像識(shí)別、手寫體識(shí)別、金融預(yù)測等分類與回歸問題.支持向量機(jī)(Support Vector Machine,簡稱SVM)通過求解二次規(guī)劃問題獲得最優(yōu)超平面或回歸函數(shù),從而實(shí)現(xiàn)對測試樣本的預(yù)測.采用SVM,可以充分發(fā)揮它對小樣本數(shù)據(jù)處理的優(yōu)勢,用比較少的樣本得到最優(yōu)決策函數(shù).但是SVM在解決凸二次規(guī)劃問題上的耗時(shí)長,速度慢.近年來,一些研究工作者在SVM的基礎(chǔ)上提出了一類雙支持向量機(jī)模型,這類模型通
2、過優(yōu)化兩個(gè)比較小的二次規(guī)劃問題間接獲得決策函數(shù).
隨著信息技術(shù)的發(fā)展,越來越多的數(shù)據(jù)信息被人們快速獲取;另一方面,高速發(fā)展的社會(huì)也導(dǎo)致信息萬變,學(xué)習(xí)數(shù)據(jù)通常具有較強(qiáng)的時(shí)序性.因此,有必要討論SVM的各種模型的在線學(xué)習(xí)方式,同時(shí)應(yīng)考慮到樣本的時(shí)效性.
本文討論了雙支持向量機(jī)(Twin Support Vector Machine,簡稱TWSVM)、雙參數(shù)間隔支持向量機(jī)(Twin Parametric-Margin Su
3、pport Vector Machine,簡稱TPMSVM)、ε-雙支持向量回歸(ε-Twin Support Vector Regression,簡稱ε-TWSVR)和雙參數(shù)不敏感支持向量回歸(TwinParametric Insensitive Support Vector Regression,簡稱TPISVR)的在線學(xué)習(xí)算法.當(dāng)新樣本進(jìn)入到學(xué)習(xí)序列時(shí),這些在線學(xué)習(xí)算法通過利用拉格朗日對偶技術(shù),將問題轉(zhuǎn)化為單(雙)變量二次規(guī)劃問題
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于殼向量的支持向量機(jī)快速學(xué)習(xí)算法研究.pdf
- 代價(jià)敏感支持向量機(jī)快速算法研究.pdf
- 一種快速的支持向量機(jī)算法研究.pdf
- 支持向量機(jī)訓(xùn)練算法的研究與優(yōu)化.pdf
- 支持向量機(jī)中若干優(yōu)化算法研究.pdf
- 求解支持向量機(jī)的若干優(yōu)化算法的研究.pdf
- 基于支持向量機(jī)參數(shù)優(yōu)化的群智能優(yōu)化算法研究.pdf
- 基于雙標(biāo)簽支持向量機(jī)的快速多標(biāo)簽分類算法.pdf
- 基于MAs算法的支持向量機(jī)參數(shù)優(yōu)化研究.pdf
- 支持向量機(jī)增量算法.pdf
- 基于最優(yōu)化理論的支持向量機(jī)學(xué)習(xí)算法研究.pdf
- 支持向量機(jī)的序列最小優(yōu)化學(xué)習(xí)算法研究.pdf
- 準(zhǔn)線性支持向量機(jī)及其序列最小優(yōu)化算法.pdf
- 基于PFO算法的支持向量機(jī)參數(shù)優(yōu)化的研究.pdf
- 支持向量機(jī)的快速分類方法研究.pdf
- 模糊支持向量機(jī)算法研究.pdf
- 支持向量機(jī)訓(xùn)練算法研究.pdf
- 基于智能優(yōu)化算法的支持向量機(jī)回歸及其應(yīng)用.pdf
- 支持向量機(jī)優(yōu)化的小波變換盲均衡算法.pdf
- 支持向量機(jī)及其學(xué)習(xí)算法
評論
0/150
提交評論