2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩43頁未讀 繼續(xù)免費閱讀

下載本文檔

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),請進行舉報或認領(lǐng)

文檔簡介

1、直推式支持向量機的研究學習重慶大學碩士學位論文(學術(shù)學位)學生姓名:王利文指導教師:劉瓊蓀教授專業(yè):概率論與數(shù)理統(tǒng)計學科門類:理學重慶大學數(shù)學與統(tǒng)計學院二O一四年四月重慶大學碩士學位論文中文摘要I摘要支持向量機(SupptVectMachineSVM)是一種建立在統(tǒng)計學習理論基礎(chǔ)上的機器學習方法,最初是由Vapnik等人研究小樣本問題時提出的。隨著統(tǒng)計學習理論的發(fā)展,SVM在理論和應(yīng)用方面都得到了迅速地發(fā)展。特別是將核函數(shù)引入到SVM的

2、學習過程中,提高了算法對高維數(shù)據(jù)的處理能力,在文本分類、醫(yī)療診斷、圖像檢測及數(shù)字驗證等領(lǐng)域得到很好的推廣。標準SVM是基于監(jiān)督學習的分類方法,需要手工對大量樣本標記以獲取足夠的訓練樣本。但在實際工程應(yīng)用中,這一過程不僅效率不高,并且代價較為昂貴。因此,半監(jiān)督學習思想被引入到SVM的訓練學習過程中,典型的包括:Bent等人將SVM規(guī)范化的表現(xiàn)形式中引入聚類假設(shè)的思想,提出的S3VM學習機;Joachims基于直推式學習提出的TSVM算法等

3、。本文對TSVM算法做了詳細的研究,對于TSVM算法中pN較難估計的問題,提出基于無標簽樣本的成對標注法和標簽動態(tài)調(diào)整PTSVM算法。針對訓練樣本集中的有標簽樣本數(shù)不平衡的問題,采取對不同的無標簽樣本設(shè)置不同的懲罰參數(shù)的策略,提出了TSVM的模糊漸進式算法和SemiTSVM算法等。雖然以上幾種改進算法提高了TSVM分類的準確度,但是也增加了算法的訓練時間。針對這一情形,本文采用SLSTSVM模型避免了每次迭代求解QP問題,提高了訓練的速

4、度,同時在每次迭代中采用區(qū)域標注法來實現(xiàn)無標簽樣本的標注,也加快了對無標簽樣本的標注效率。通過仿真實驗可以發(fā)現(xiàn),SLSTSVM算法在保持PTSVM算法精度的同時,也有效提高了訓練的效率。直推式學習SVM的研究是支持向量機發(fā)展的一個方向,雖然目前TSVM算法的研究已獲得一些進展,但其理論研究仍不夠完善。本文根據(jù)直推式支持向量機的學習算法做了一些理論研究,如何更好挖掘的無標簽樣本信息提高分類器的性能是TSVM算法下一步研究的關(guān)鍵。關(guān)鍵詞關(guān)鍵

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空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,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)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(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確性、安全性和完整性, 同時也不承擔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。

評論

0/150

提交評論