文档介绍:支持向量机研究及其应用摘要探讨了支持向量机理论基础一一学****问题,尤其是对等人的统计法的,它为机器学****问题建立了一个很好的理论框架。实践表明,建立经网络技术。目前,撼晌9噬匣餮傲煊蛐碌难芯咳鹊恪1文首次深入系统地对支持向量机辛搜芯刻致邸其次,第三章从模式识别中引出最优分类超平面,然后按训练集线性可分和线性不可分讨论,运用最优化理论中的拉格朗日乘子法理论和泛函分析理论推导出支持向量机。力、识别速度等性能,在第四、第五两章运用模糊集理论襀粗糙集理论灾С窒蛄炕醒芯浚捎糜攀苹ゲ乖颍仁前涯:支持向量机有机结合,构造出基于模糊集的支持向量机乃枷朐擞玫交毓榉治函数拟合⒅鞒煞址治中,提关键词:支持向量机,神经网络,机器学****模式识别,模糊集理论,粗糙集理论,主成分分析,回归分析支持向量机蔷攀甏衅诜⒄蛊鹄吹男碌幕餮凹际酰传统的神经网络技术不同,且酝臣蒲袄砺为基础,是以传统统计学理论为基础。传统统计学的前提条件是要有足够多的样本,而统计学****理论是着重研究小样本条件下的统计规律和学****方在现С窒蛄炕唤鼋峁辜虻ィ壹际跣阅苡绕涫峭乒隳芰γ显提高,能够解决好大量现实中的小样本学****问题,它是一个全新的神论文的主要贡献可归纳如下:首先,第一章简要介绍了由于传统神经网络的发展和它在机器学****上的缺陷,导致支持向量机的诞生:并提出了研究和应用支持向量机的必要性和重要性以及现有支持向量机的研究成果和存在的不足。第二章学****理论岷涎拔侍庾髁讼低车牟觥推导出相对应地最优超平面和判别函数霾吆;最后通过统计学****再次,为了进一步提高支持向量机的通用性以及推广能力、应用能后把粗糙集理论与支持向量机相互结合,进而把隖相互结合,构造出基于闹С窒蛄炕:芎玫赝乒懔薙的技术性能。最后,在第六章中,把第三章撕乃枷牒偷谒恼录蚧高了二者的分析、处理数据的能力,简化了处理过程。电子科技大学顺学位论文
甒甋瓹,瓹瑆瑆琣琺王子科技大学碳士学位论文.,,,琫甋瓵,猻,,瓵,琭,,篠琻琭,,
独创性声明关于论文使用授权的说明果。据我所知,除了文中特别加以标注平¨致谢的地方外,论文中不包括其他人已位或证而使州过的材料。与我一同鹤鞯耐径匝芯克鞯墓毕拙言诼畚闹本学位论文的作者完全了解电子科技大学有保留、使用学位论文的规定,有权保留并向国家有关部门或机构送交论文的复印件和磁盘,允许论文被查阅和借日期:年本人声明所。一交的学位论文是在导师指导械难芯縧:作及取得的研究成经发表或撰写过的研究成果,也不包含为获得电子科技火学或其他教育机构的学作了明确的说明并表示谢意。阅。本人授权电子科技大学可以将学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。导师签名签名:⋯⋯⋯⋯⋯⋯签名月日屯子科技大学颂十学位论文
第一章概论畉引言一种全新的通用学****方法——支持向量机S氪惩臣蒲啾龋臣蒲人工智能自年问世以来,已经取得了引人瞩目的成就,形成了专家系统、机器学****智能决策支持系统、人工神经网络等诸多研究和应用领域。尤其工神经网络在机器学****上,尤其是在一般学****理论上缺乏实质性进展。向量机从根本上解决了神经网络无法解决的网络盎小样本条件下的机器学****问题。随着其理论的不断发展和成熟,现在已基本成为继传统神经网络、模式识别之后国际上新的研究热点】。有力地推动了机器学****理论和技术的发展,推动了人工神经网络技术的发展,推动了人工智能技术的发展。然而,比较遗憾的是,在国内,关于支持向量机的研究较少,只有少部分学者认识到这个重要的研究方向。目前,国内对这方面的研究还刚刚起步。本论文作者在对现有的支持向量机研究中发现:С窒蛄炕椒ㄋ淙辉诶砺凵暇哂薪衔M怀龅挠攀疲τ醚芯咳幢冉С窒蛄炕芙饩龅闹皇茄盗芳瞧胀ḿ精确集那樾危对含有模糊成员的、不精确的样本就不适用了。С窒蛄炕淙槐壬窬缡侗鸬某晒β矢撸侗鹚俣炔蝗绱车纳针对上述问题本文用全新的方法对髁私衔O钢碌匮芯浚許方法人类在很多方面都已成功地采用机器来完成繁重的体力工作,人们也从来没有放弃让机器具有人类思维能力的努力。计算机的诞生和发展,使这种梦想有了成为现实的可能。特别是人工智能技术的发现,使得人们又向思维机器的研究方向迈进了一大步。是人工神经网络,自年,【】和年热颂岢鯞八惴╗岳矗斯神经网络取得前所未有的好局面,进入了快速发展时期,一度成为人工智能中最为活跃的分支之一。然而,从算法产生到年岢鲋С窒蛄炕鶾】之前馐年间,虽然人工神经网络在许多领域,如自组织映射,反馈网络等方面取得很重要的成果但是,由于传统的人工神经网络是以传统的统计学作为重要理论基础,而传统的统计学研究的是样本数目趋于无穷大的渐近理论,传统神经网络的学****方法也多是基于此假设。可是,在实际问题中,样本数目往往是有限的;因此传统人直到年热嗽擞猛臣蒲袄砺鄱陨窬缃