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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、支持向量機(jī)的參數(shù)選取問題是支持向量機(jī)研究中一類重要的問題,參數(shù)的選取直接影響到學(xué)習(xí)效果和支持向量機(jī)的性能。支持向量機(jī)的參數(shù)主要有核參數(shù)和正則參數(shù)。本文主要研究了如何利用最優(yōu)化方法來解決支持向量機(jī)參數(shù)選取的問題。 1.本文在第二章中詳細(xì)分析了RBF核函數(shù)SVM訓(xùn)練點(diǎn)在特征空間中的性質(zhì),建立了以后各章進(jìn)行理論分析的基本框架,分析里在極限情況下核參數(shù)對(duì)支持向量機(jī)性能的影響,得到了正則參數(shù)和核參數(shù)對(duì)于特征空間本質(zhì)上的意義。 2.
2、第三章基于K.Schittkowski和Dong的模型,建立了一個(gè)新的修正模型來選取正則參數(shù),分析了K.Schittkowski方法產(chǎn)生數(shù)值不穩(wěn)定性的原因,得到了發(fā)展新的參數(shù)選取方法的必要性。 3.第四章中分析了L1-SVM相對(duì)L2-SVM的優(yōu)勢(shì),并利用新的誤差界給出了L1-SVM多參數(shù)選取的方法和結(jié)果。分析了影響算法執(zhí)行效率的要素,指出了改進(jìn)的方向,并給出了一種選取多參數(shù)的隨機(jī)算法。 4.第五章給出了一種支持向量機(jī)參數(shù)
3、調(diào)節(jié)方法。這個(gè)解法直接利用微分方程組的理論,求出的解是一條SVM解的路徑。利用微分方程組的存在唯一性定理,我們得到了路徑的存在唯一性,并給出了一種常微分方程組的近似解法求解SVM解的路徑。 第五章中得到的解的路徑的存在唯一性,開辟了利用微分方程法訓(xùn)練支持向量機(jī)的新途徑。更進(jìn)一步,得到了支持向量機(jī)是部分可控的結(jié)論。通過數(shù)值算法求解,證明了該算法的有效性。由于該方法在理論基礎(chǔ)和大規(guī)模解法上研究的欠缺,這個(gè)新方法有望成為支持向量機(jī)研究
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(qǐng)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(qǐng)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(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于改進(jìn)遺傳算法的LS_SVM參數(shù)選取.pdf
- 基于尺度空間的SVM核參數(shù)確定方法研究.pdf
- 基于SVM的語音情感識(shí)別和情感特征參數(shù)的研究.pdf
- 基于空間聲場(chǎng)變換的近場(chǎng)聲全息參數(shù)選取及重建誤差研究.pdf
- 顧及空間特征的河網(wǎng)自動(dòng)選取及化簡(jiǎn)方法研究.pdf
- 基于OEF和ECC的域參數(shù)選取研究.pdf
- 基于AFSA的SVM參數(shù)優(yōu)化及其應(yīng)用.pdf
- 檢索結(jié)果集選取算法研究.pdf
- 基于訓(xùn)練樣本自動(dòng)選取的SVM彩色圖像分割方法研究.pdf
- 基于SVM的特征選擇方法研究.pdf
- 基于粗糙集的特征選取算法研究.pdf
- 特征選取和SVM算法研究及在股市行業(yè)資訊中的應(yīng)用.pdf
- 基于底層特征和SVM的圖像分類.pdf
- 基于l曲線的正則化參數(shù)選取研究
- 基于尺度空間理論的特征匹配算法.pdf
- 基于圖像空間共生信息的閾值選取方法研究.pdf
- 切削參數(shù)的選取因素分享
- 基于隨機(jī)子空間的SVM分類算法研究.pdf
- 基于子空間法的電磁脈沖波特征參數(shù)辨識(shí).pdf
- 基于基因表達(dá)數(shù)據(jù)的胃癌特征基因選取研究.pdf
評(píng)論
0/150
提交評(píng)論