版權(quán)說(shuō)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、近年來(lái),核方法在模式識(shí)別與機(jī)器學(xué)習(xí)領(lǐng)域中得到了快速的發(fā)展。核方法的本質(zhì),是通過(guò)核函數(shù),把數(shù)據(jù)從低維的輸入空間映射到高維的特征空間。如在分類問(wèn)題上,核方法可以使輸入空間中線性不可分的數(shù)據(jù),在特征空間中是線性可分的。
本論文對(duì)核方法中的魯棒支持向量回歸機(jī)、半監(jiān)督多標(biāo)記支持向量學(xué)習(xí)、稀疏支持向量學(xué)習(xí)及核聚類等四個(gè)方面進(jìn)行研究。具體來(lái)說(shuō),本論文的工作分述如下:
針對(duì)魯棒支持向量回歸機(jī)問(wèn)題,提出一種自適應(yīng)誤差懲罰支持向
2、量回歸機(jī)AEPSVR,該算法能夠減少離群點(diǎn)對(duì)支持向量回歸機(jī)的不利影響。進(jìn)一步地,研究了魯棒支持向量回歸機(jī)的代價(jià)函數(shù)的性質(zhì),引入一類魯棒代價(jià)函數(shù)族,實(shí)現(xiàn)了模糊魯棒支持向量回歸機(jī)FRSVR。FRSVR不僅具有魯棒性的優(yōu)點(diǎn),而且能夠?qū)﹄x群點(diǎn)進(jìn)行識(shí)別。
對(duì)于半監(jiān)督多標(biāo)記的支持向量學(xué)習(xí)問(wèn)題,研究一種半監(jiān)督多標(biāo)記支持向量算法SSML_SVM。SSML_SVM把半監(jiān)督多標(biāo)記學(xué)習(xí)問(wèn)題轉(zhuǎn)化為半監(jiān)督單標(biāo)記學(xué)習(xí)問(wèn)題,然后基于MAP(Maximu
3、m a Posteriori)原則對(duì)未標(biāo)記樣本分類,通過(guò)迭代的方式求解半監(jiān)督單標(biāo)記學(xué)習(xí)問(wèn)題。SSML_SVM能利用未標(biāo)記樣本的信息,提高多標(biāo)記學(xué)習(xí)的性能。
在稀疏支持向量學(xué)習(xí)問(wèn)題上,給出一種直接稀疏核回歸機(jī)DSKR。在DSKR中,通過(guò)給ε-SVR支持向量回歸機(jī)增加非凸約束,限定支持向量個(gè)數(shù),然后用梯度下降法求解優(yōu)化問(wèn)題。DSKR算法可以顯著地降低支持向量的數(shù)量,用更少的支持向量,得到較好的擬合結(jié)果。
在核聚類
4、算法問(wèn)題上,研究了兩種改進(jìn)的信任力傳播聚類算法SSKAPC和AFAPC。SSKAPC用核函數(shù)將樣本映射到高維空間,并使用先驗(yàn)信息輔助聚類,提高了聚類精度。AFAPC算法是一種基于萬(wàn)有引力的信任力傳播聚類算法,該算法根據(jù)近鄰樣本之間的信息,加快聚類速度,能在更短的運(yùn)行時(shí)間內(nèi),得到與信任力傳播聚類算法相媲美的性能。
作者在攻讀博士學(xué)位期間還進(jìn)行了偽圖像識(shí)別方面的工作,研究一種偽圖像識(shí)別算法BERFS。BERFS從語(yǔ)義的角度,根
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)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
- 核主成分回歸方法在特征提取和預(yù)測(cè)方面的研究及其在醫(yī)學(xué)中的應(yīng)用.pdf
- 模糊聚類和決策樹(shù)分類算法在高職學(xué)生就業(yè)方面的應(yīng)用研究.pdf
- 核聚類算法研究及其在文本聚類中的應(yīng)用.pdf
- 新型聚類算法在圖象處理等方面研究與應(yīng)用.pdf
- GPS在物流方面的研究與應(yīng)用.pdf
- 數(shù)據(jù)分類挖掘在人格特征分析方面的應(yīng)用研究.pdf
- 應(yīng)用于體質(zhì)分類的聚類方法研究及改進(jìn).pdf
- 用例驅(qū)動(dòng)方法在軟件需求獲取方面的研究及應(yīng)用.pdf
- 組合聚類方法在文本聚類中的應(yīng)用研究.pdf
- 聚類方法及應(yīng)用研究.pdf
- 聚類挖掘在電信客戶分類中的研究與應(yīng)用.pdf
- SVM數(shù)據(jù)提取與聚類分類方法研究.pdf
- 文檔分類和聚類方法及其在信息檢索中應(yīng)用的研究.pdf
- SPH方法在自由表面流動(dòng)方面的研究及其應(yīng)用.pdf
- 綜合物探方法在防汛墻檢測(cè)方面的應(yīng)用
- 新型控制方法在汽溫控制方面的應(yīng)用.pdf
- 網(wǎng)格參數(shù)化方法及在幾何信息壓縮方面的應(yīng)用.pdf
- 數(shù)據(jù)挖掘在客戶流失分析中的應(yīng)用——聚類與分類算法的研究及應(yīng)用.pdf
- 高維分類數(shù)據(jù)聚類方法研究與實(shí)現(xiàn)
- 基于核密度估計(jì)的光譜數(shù)據(jù)分類與回歸方法研究.pdf
評(píng)論
0/150
提交評(píng)論