文档介绍:独创性(或创新性)声明
本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成
果。尽我所知,除了文中特别加以标注和致谢中所罗列的内容以外,论文中不包含其
他人已经发表或撰写过的研究成果;也不包含为获得桂林电子科技大学或其它教育机
构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已
在论文中做了明确的说明并表示了谢意。
申请学位论文与资料若有不实之处,本人承担一切相关责任。
本人签名: 日期:
关于论文使用授权的说明
本人完全了解桂林电子科技大学有关保留和使用学位论文的规定,即:研究生在
校攻读学位期间论文工作的知识产权单位属桂林电子科技大学。本人保证毕业离校
后,发表论文或使用论文工作成果时署名单位仍然为桂林电子科技大学。学校有权保
留送交论文的复印件,允许查阅和借阅论文;学校可以公布论文的全部或部分内容,
可以允许采用影印、缩印或其它复制手段保存论文。(保密的论文在解密后遵守此规
定)
本学位论文属于保密在____年解密后适用本授权书。
本人签名: 日期:
导师签名: 日期:
万方数据
摘要
摘要
支持向量机(Support Vector Machine,缩写为 SVM)是建立在统计学****理论基础之
,其在解决小样本、非线
性及高维模式识别问题中表现出许多特有的优势,并能够推广应用到函数拟合
等其他机器学****问题中, 从而受到人们的普遍重视.
本文针对最小二乘支持向量机训练,提出一个新的共轭梯度法,以及对于的支持
向量机的一般对偶问题,运用原始-对偶路径跟踪法对其进行训练求解,具体内容如
下:
第一、针对最小二乘支持向量机,Suykens 等将其化成一个线性系统,提出用标
准的共轭梯度法来求解该线性系统,但是其算法需要两次求解一个具有相同系数矩阵
的 n ,Chu 等提出了一种单步的方法,其只需求解一个 n − 1 阶的线
,我们提出一个新的共轭梯度法,
并将其运用于最小二乘支持向量机的求解,在适当的条件下证明了其全局收敛性.
第二、对于支持向量机对偶问题的一般形式,其是一个带有线性等式约束和箱式
,Michael ,
Wang 等提出了一个原始-对偶路径跟踪法来求解一般的带有线性等式约束和箱式约
,并且数值
实验结果表明了该算法用于支持向量机训练是有效可行的.
最后,对于上述支持向量机训练算法进行数值实验,实验结果表明了本文提出算
法的有效性.
关键词: SVM;分类问题;线性系统;共轭梯度法;原始-对偶路径跟踪算法
I
万方数据
Abstract
Abstract
Support VectorMachine(SVM), based on the statistical learning theory, has e a
new method for machine learning. As a new method of data mining, it shows many special
advantages in solving small samples, nonlinear learning, high dimensional pattern
recognition problems and can be applied to function fitting and other machine learning
problems. So, SVM has been paid more and more attention.
In this thesis, a new conjugate gradient method is presented for the least square
support vector machine (SVM) training. And we use primal-dual path tracking method to
solve the general dual problem of support vector machine (SVM). The main achievements
of the thesis is as follows:
Firstly, for the least squar