模糊孿生支持向量機分類算法及其應用研究.pdf

1、分類問題是實際應用中普遍存在的問題，也是機器學習領域的重要研究內(nèi)容之一.孿生支持向量機(Twinsupportvectormachines，TSVM)是通過求解兩個二次規(guī)劃問題的一種快速分類方法，它不僅具有傳統(tǒng)支持向量機的優(yōu)點，而且具有很強的數(shù)據(jù)處理能力.本文以分類問題為研究目標，立足于孿生支持向量機及其對偶優(yōu)化問題的求解算法，主要內(nèi)容如下:
　　 第一章，我們概述了孿生支持向量機的研究背景及其發(fā)展現(xiàn)狀，對本文用到的一些基礎理論

2、作了簡單介紹，主要包括統(tǒng)計學習理論，支持向量機，模糊支持向量機，多分類支持向量機，孿生支持向量機及其二次規(guī)劃問題的優(yōu)化算法.
　　 第二章，引入模糊隸屬度、間隔，針對二分類問題我們提出了模糊間隔孿生支持向量機(FMTSVM)、L2-模糊間隔孿生支持向量機(L2-FMTSVM)，該方法對不同的樣本執(zhí)行不同的懲罰參數(shù)，且以結(jié)構(gòu)風險最小優(yōu)化分類模型，增強了對野點數(shù)據(jù)的抗噪能力，提高了算法的分類預測性能;同時，我們利用坐標下降方法與收縮

3、技術(shù)，提出了FMTSVM對偶收縮坐標下降算法.在UCI數(shù)據(jù)集上FMTSVM平均預測準確率比TSVM提高6％，訓練時間縮短1％.在人工數(shù)據(jù)集與真實數(shù)據(jù)集(UCI)上的實驗表明:本文方法具有更快的學習速度，更好的泛化性能.
　　 第三章，基于一對余、一對一、偏二叉樹SVM多分類算法，我們提出了FMTSVM三種多分類算法，把FMTSVM從二分類推廣到多分類，并應用于人臉識別、國畫分類等多類識別問題.本文方法在人臉數(shù)據(jù)庫（ORL、Yal