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),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、大連理工大學(xué)碩士學(xué)位論文v支持向量機中參數(shù)選取的兩種模型姓名:張小路申請學(xué)位級別:碩士專業(yè):運籌學(xué)與控制論指導(dǎo)教師:夏尊銓20080605大連理工大學(xué)碩士學(xué)位論文TwomodelsofParameterSelectioninvSupport昵ctorMachineAbstractWiththedevelopmentofmoderninformationaltechnologyalargenumberofdatabaseshaveappe
2、aredConsequentlyhowtofindusefulinformationfromsetsofdatabecomesaproblemneedtobesolvedimminentlyDataminingtechnologycomesintobeinginthisbackgroundSupportvectormachineisanewtechnologyofdatamining,andithasbeensuccessfullyap
3、pliedtomanyfieldsSupportvectormachine(SVM)isamachinelearningmethodthatdevelopedonthebasisofstatisticallearningtheoryonthemid1990sItcontainsthelargestmarginbyperplane,Mercerkernal,convexquadraticprogramming,slackvariables
4、andsuchtechnologiesUntilnowithasgotthebestpropertiesinsomechallengeableapplicationsT婦papermainlystudiestheoptimalmethodsforparameterselectioninz,一supportvectormachine(v—SVM)The∥一supportvectormachineisanewclassofsupportve
5、ctoralgorithms睢SVMWasproposedbyincorporatingachangefromCintheoriginalSVMalgorithmwith∥whichpossessesthefollowingintuitivemeaning:z/isbothanupperboundonthefractionofmarginerrorsandalowerboundonthefractionofsupportvectorsT
6、heparameterselectioninsupportvectormachineisanimportantresearchtopic,differentparametersresultindifferentgeneralizationThestudyofparameterselectionin∥一SVMisfewerTheparameterselectionmodelfor∥in∥SVMispresentedandthenumeri
7、calexperimentisgiveninthispaperAtfirst,amodelforselectingoptimalparameter∥inpSVMispresentedinthispaper,whichbasesonmathematicalprogrammingwithequilibriumconstraintsThemodelisanonhnearproblemwhichhassmoothedobjectivefunct
8、ionandwithcomplementaryconstrainsNumericalexperimentalresultsshowthatthismodeliseffectiveinchoosingtheparameter∥Besideswediscussthez,SVMwhenthedatasetsareunbalancedAnimproved2∥SVMispresentedinthispaperthismodel’Smeritist
9、heparametereasytoselectNumericalexperimentalresultsshowthatthismodeliseffectivewhensolvingunbalancedquestionKeyWords:SupportVectorMachine(SVM);∥一SupportVectorMachine(u—SVM);ParameterSelection;MathematicalProgrammingUnbal
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空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對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, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- v-支持向量機中參數(shù)選取的兩種模型.pdf
- 不均衡支持向量機參數(shù)選取的兩種優(yōu)化方法.pdf
- 兩種改進(jìn)的模糊支持向量機.pdf
- 支持向量機最優(yōu)參數(shù)選取及應(yīng)用.pdf
- 支持向量機中參數(shù)選取的一個問題.pdf
- 支持向量機中參數(shù)選取的平衡約束規(guī)劃方法.pdf
- 支持向量機中兩種光滑優(yōu)化算法的應(yīng)用與比較.pdf
- 支持向量機模型參數(shù)的研究.pdf
- V支持向量機中參數(shù)的優(yōu)化及在語音識別中的應(yīng)用.pdf
- 支持向量機中核函數(shù)的選取方法的研究.pdf
- 兩種向量的延伸理論
- 兩種特殊線性模型的參數(shù)估計.pdf
- 最小二乘雙支持向量機的兩種拓展及其在線學(xué)習(xí)算法研究.pdf
- 支持向量機參數(shù)選擇的研究.pdf
- 關(guān)于支持向量機中的參數(shù)優(yōu)化的研究.pdf
- 一種基于邊界調(diào)節(jié)的支持向量機模型.pdf
- 支持向量機參數(shù)優(yōu)化研究.pdf
- 短期負(fù)荷預(yù)測的支持向量機模型參數(shù)優(yōu)化方法研究.pdf
- 支持向量機參數(shù)優(yōu)化及其筆跡鑒別中的應(yīng)用.pdf
- 支持向量機樣本預(yù)選取技術(shù)在語音識別中的應(yīng)用研究.pdf
評論
0/150
提交評論