相關(guān)向量機(jī)及其在數(shù)據(jù)挖掘中的應(yīng)用研究.pdf

1、在人工智能和數(shù)據(jù)挖掘領(lǐng)域研究中，機(jī)器學(xué)習(xí)方法具有十分重要的研究意義，其中相關(guān)向量機(jī)(RVM)是一種新型的分類預(yù)測(cè)機(jī)器學(xué)習(xí)方法，該方法具有稀疏性高，分類預(yù)測(cè)準(zhǔn)確度高，泛化能力強(qiáng)，以及其核函數(shù)不需要滿足 Mercer條件等優(yōu)點(diǎn)。但是在現(xiàn)有相關(guān)向量機(jī)方法模型研究中，一直存在核函數(shù)無(wú)法科學(xué)、合理地選擇問(wèn)題，從而導(dǎo)致相關(guān)向量機(jī)的分類預(yù)測(cè)精度和效率降低。為此，本文主要基于多核核函數(shù)思想，研究多核相關(guān)向量機(jī)，并應(yīng)用于石油測(cè)井?dāng)?shù)據(jù)挖掘之中，主要工作或創(chuàng)

2、新如下：
　　（1）基于進(jìn)化計(jì)算的多核RVM方法分析及其仿真。在分析經(jīng)典RVM基本原理基礎(chǔ)上，構(gòu)建基于多核思想的多核 RVM模型，并研究了基于粒子群（PSO）的多核RVM方法（PSO-MKRVM），即采用PSO算法優(yōu)化多核RVM模型的參數(shù)。典型仿真實(shí)驗(yàn)結(jié)果表明，基于PSO的多核RVM的分類精度要高于經(jīng)典RVM方法和基于PSO的單核RVM方法，能夠找到最優(yōu)的核參數(shù)及核函數(shù)組合系數(shù)，但也存在訓(xùn)練時(shí)間長(zhǎng)、穩(wěn)定性等缺點(diǎn)，有待改進(jìn)。

3、　?。?）基于二階錐規(guī)劃（SOCP）的多核RVM方法研究。為克服單核RVM方法分類精度低和PSO-MKRVM方法運(yùn)算時(shí)間長(zhǎng)，穩(wěn)定性差的缺點(diǎn)，提出一種基于SOCP的多核RVM新方法（SOCP-MKRVM），即構(gòu)建出基于SOCP方法的多核校正原理的RVM模型，從理論上推導(dǎo)出多核RVM模型可轉(zhuǎn)化為一個(gè)凸優(yōu)化問(wèn)題，并可采用SOCP快速求解。典例仿真表明此新方法不僅分類精度得到提高，而且訓(xùn)練時(shí)間大大縮短。
　?。?）石油測(cè)井?dāng)?shù)據(jù)挖掘應(yīng)用研究