基于Kernel學(xué)習(xí)機(jī)的建模與分類的應(yīng)用算法研究.pdf

1、研究從觀測數(shù)據(jù)出發(fā)尋找規(guī)律,利用這些規(guī)律對未來數(shù)據(jù)進(jìn)行預(yù)測,以實(shí)現(xiàn)為人類更好服務(wù)的目的,這是基于數(shù)據(jù)的機(jī)器學(xué)習(xí)的主要內(nèi)容.然而基于數(shù)據(jù)的學(xué)習(xí)存在一個(gè)不適定的問題,因此一些理論上很優(yōu)秀的學(xué)習(xí)方法在實(shí)際運(yùn)用中往往差強(qiáng)人意.該文利用Kernel變換和正則化的思想在數(shù)據(jù)學(xué)習(xí)方面做了一系列前瞻性的研究.1)對該文采用的基本理論進(jìn)行了介紹.介紹了機(jī)器學(xué)習(xí)和Kernel學(xué)習(xí)機(jī)基本理論.介紹了Kernel算法的通用結(jié)構(gòu)、Mercer定理及映射函數(shù).介紹

2、了統(tǒng)計(jì)學(xué)習(xí)理論和正則化網(wǎng)絡(luò)的理論.回顧了Kernel相關(guān)算法的國內(nèi)外進(jìn)展情況.最后介紹了該文工作的基本框架結(jié)構(gòu)、主要的創(chuàng)新性以及相關(guān)研究領(lǐng)域.2)提出了一種新的具有先驗(yàn)類別信息的PKPCA算法,通過將樣本類內(nèi)差和類間差融入總體方差中,從而達(dá)到更好的分類目的.3)對遞推最小二乘進(jìn)行非線性的Kernel變換,并采用正則化技術(shù)改寫了目標(biāo)函數(shù),提出了一種RKRLS算法.4)提出了矢量基學(xué)習(xí)算法.通過分析樣本矢量和解空間的夾角,推導(dǎo)了基矢量的判斷

3、準(zhǔn)則.獲得了辨識(shí)參數(shù)的增長和校正模式的遞推公式.5)提出了MIMO矢量基學(xué)習(xí)網(wǎng)絡(luò)的基本結(jié)構(gòu),網(wǎng)絡(luò)可以實(shí)現(xiàn)建模和模式分類的功能.6)對矢量基網(wǎng)絡(luò)算法進(jìn)行了更高層次的概括,提出了人類認(rèn)知的矢量基模型.7)將該文算法在橡膠工業(yè)的密煉過程得到實(shí)際的應(yīng)用:在排除異常樣本點(diǎn)的情況下,利用SVM的工業(yè)特性,進(jìn)行排膠點(diǎn)的建模,獲得好的應(yīng)用效果;利用動(dòng)態(tài)的RKRLS和RSVM算法,通過對橡膠混煉質(zhì)量的門尼指標(biāo)進(jìn)行建模和預(yù)測分析,表明算法具有較好的跟蹤預(yù)測