文档介绍：中文摘要传统统计学研究的是样本数目趋于无穷大时的渐进理论,而统计学习理论研究的是小样本条件下的学习理论。由于实际的样本数量是有限的,因而在理论上统计学习理论有其优越性。基于统计学习理论和结构风险最小化原则的支持向量机不仅模型结构简单,而且具有良好的泛化能力。因此,其受到了广泛的关注,并逐渐成为机器学习领域的研究热点之一。随着通信、信息与电子工程以及计算机技术的快速发展,智能交通系统越来越受到广泛重视,从而对车型识别、车牌识别和交通流预测等技术提出了更高要求。本文以支持向量机为基础,对模式识别和回归分析的基本算法及其在智能交通系统中应用进行了广泛的研究。本文的主要工作以及成果包括:谥行男椭С窒蛄炕∩希×私饩龈骼啾鹧臼坎痪夂驮量学习的思想与方法,定义了一种新的权系数矩阵,并结合多类别分类问题,提出了均衡增量型多类别分类算法。实验结果表明该算法具有较高的稳定性和判别精度。ü约钢侄嗬啾鸱掷嗨惴ǖ难芯浚治隽苏庑┧惴ǖ挠湃钡悖⒔合霍夫曼树,提出了一种基于霍夫曼决策树的多类别分类算法。最后在多种开放式数据集上进行仿真实验,结果验证了该算法不仅具有较高判别精度,而且训练效率非常高。紫缺冉舷低车囟灾С窒蛄炕毓榈睦砺酆突臼迪纸醒芯浚缓分析了猄的优点与不足,并提出算法。实验结果表明该算法可以有效地进行非线性系统建模;具有与惴ㄏ嗬嗨频奶匦裕涣硗猓涠耘寄P非常简单,可以较方便地设计增量学习和在线回归算法。诩蛞5亟樯芰酥悄芙煌ㄏ低车奶氐愫拖喙丶际趸∩希直鹗褂没于霍夫曼决策树的多类别分类算法和算法来处理车型识别和短时交通量预测问题。最后实验表明支持向量机在交通系统中应用的可行性和有效性,并具有广阔的前景。关键词:统计学习理论支持向量机多类别分类算法支持向量回归智能交通系统
知识水坝为您整理
瓼甌缸甶,,.,,.瓸琒琤甋,猵,,:瓸猚瓸,.,
知识水坝为您整理
篠產琒,琒Ⅵ產瓸..
靴做储戳:荆∥签字嗍∥年∥月咖签字隅衫年石月芗硝年多月甜闩独创性声明学位论文版权使用授权书特授权墨鲞盘堂可以将学位论文的全部或部分内容编入有关数掘库进行检或撰写过的研究成果,也不包含为获得盘生盘堂或其他教育机构的学位或证本学位论文作者完全了解盘注盘茎有关保留、使用学位论文的规定。研究成果,除了文中特别加以标注和致谢之处外,论文中不包含其他人已经发表书而使用过的材料。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本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的作了明确的说明并表示了谢意。学位论文作者签名:签字开期:索,并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。C艿难宦畚脑诮饷芎笫视帽臼谌ㄋ得导师签名:
第一章绪论研究背景随着科学技术的日益进步,以及社会的全面、快速、健康发展。各行各业逐步发展并走向成熟,积累可谓丰富,但是自从入世以来,也清醒地看到竞争的不断加剧。企业面临的不仅是内部激烈竞争,而且还有大量的海外公司,这就促使企业需要改变以前的经营管理模式,逐步地构建企业核心竞争力。著名的诺贝尔奖得主西蒙说过“管理就是决策”。不禁要问:决策依据是什么显然,管理决策的依据来自于组织的日常业务和市场调查数据,但是面对这些海量数据,决策者往往束手无策,这就对统计工作者提出了很高要求。同时越来越多的非线性高维数据需要分析处理,也给传统统计学方法提出了严峻的挑战“NA私饩稣庋母丛幽烟猓佣艘幌盗械氖萃诰蚶砺塾爰际酰⑶借助于计算机技术的飞速发展,使得复杂数据分析处理的工作变得越来越容易上面提到组织进行决策时不能直接使用大量的原始数据,而是需要从数据中发现感兴趣的知识,以作为决策的依据。模式识别和回归分析是知识发现中的重要内容,也是处理众多其它问题的核心。用于模式识别和回归分析的方法很多,例如统计方法、多元统计分析”“”以及人工神经网络”取U庑┓椒ㄋ淙辉谑导手惺褂玫谋冉隙啵腔勾嬖谛矶嗖足。例如,统计方法通常需要样本的先验知识,并要求有足够多的样本数量,而这些要求往往很难满足,以致于这类方法在实际应用中的效果并不理想。人工神经网络虽然较好地解决了非线性问题,但是由于存在网络结构不易确定、过学习、欠学习和易于限于局部极小等固有缺陷,从而限制了其应用。另外,人工神经网络的学习算法仅仅试图使经验风险最小化,与传统的最小二乘法相比,在原理上面缺乏实质性的突破,这也是出现过拟合现象的根本原因,导致其推广能力的下降。【
。,蔈,≥剩定义如果,∈掖嬖凇埽琙,...,鬈蔙”满足蔈非线性规划喑品窍咝杂呕是求一个定义在甩维空间中单值函数的极值从约束条件上来看,当没有约束条件时,则称为无约束优化问题,否则称约下面将介绍一类特殊的非线性规划——凸规划⋯。当问题—的等式约束函数