文档介绍：南京林业大学
硕士学位论文
若干SVM算法的改进与设计
姓名:业巧林
申请学位级别:硕士
专业:计算机应用技术
指导教师:业宁
20090601
要摘杓屏艘桓龇夯芰τ胙澳芰φ壑械幕旌虾撕齂S氪砇核相比,基于下的渲С窒蛄扛鍪佟⒎掷嘈阅芎谩传统支持向量机峭ü桓鐾苟喂婊蠼獾模⒂薪虾玫姆夯芰Γ经在生物信息学、人脸识别、指纹识别、手写体识别、数据库学习与身份验证等领域得到以统计学理论为基础,本文重点研究了支持向量机核函数的构造、支持向量机快速训练算法、支持向量机训练集剪辑技术等内容。本文所做的主要工作如下:岢隽艘恢中碌闹С窒蛄糠掷嗨惴ㄒ灰籄甋,,提出了权向量多平面支持向量机。该方法不仅可以纠正某些情况下ɡ嗄谏⒍鹊乃枷肴诤系絇掷嗥魃杓浦校岢隽薖。该方法保证了较优的分类精度和好的学习速度。然后,对优化问题中的约束条件进行修正,提出了惴āS捎谘盗饭讨斜苊饬艘恍┚卣蟮南喑思熬卣蟊旧砑扑愦郏誓芴关键词:支持向量机;泛化能力;训练算法;剪辑技术;权向量;类内散度了较好的应用。法并不能保证在训练集上找到最少需要的原型样本点集的缺陷。错分问题,而且避免了奇异性问题。高的学习速度。
瓹衪篧—.丽:甅,···—..。琣,籧,琩琽,籫;—.甌甌籺粀.
黼撕却ヒ岛疬溶翟保密口,在饷芎笫视帽臼谌ㄊ椋狙宦畚氖粲诤瘫C竹下‘必乃农业骞学位论文原创性声明学位论文版权使用授权书么‘:所呈交的学位论文,是本人在导师的指导下进行的研究工作所取得的成果。尽我所知,除文中已经特别注明引用的内容和致谢的地方外,本出重要贡献的个人和集体,。本学位论文作者完全了解南京林业大学有关保留、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交论文的复印件和电子版泄蒲Ъ际信息研究所;国家图书馆等市砺畚谋徊樵暮徒柙模救耸谌暇┝忠荡笱可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以汇编和综合为学校的科技成果,可以采用影印、/”学位论文作者救饲┟:指导教师救饲┟:月月
致谢即将毕业,终于熬过两年。回想过去,一人在实验室煎熬度过的痛苦的暑假,不禁有点辛酸。但痛苦过后也能感觉到少许的欣慰,因为并不是空手而归。这两年我也得到了许首先,应该感谢的是我的导师业宁副教授。业老师从我入学开始就开导我,向我指明了研究方向。起初的我,由于对理论研究缺乏了解,极度讨厌理论、讨厌数学,在这种情况下,业老师还是虚心教诲,变换方式地激发我的研究乐趣。他不但向我传授个人的丰富经验,而且教我做人的道理,鼓励我申请研究生科技创新项目和南京林业大学科技创新项目并申请成功。衷心祝福业老师全家健康幸福。感谢数学系的陈艳男、计算机系杨绪兵老师,在我撰写论文遇到困难的时候给予的帮助。感谢我的师弟张召、王语辉,师妹催静、胡睫在我繁忙的时候帮我处理一些事务。感谢武波同学平时对我的照顾。我还要感谢在—起愉快度过两年时间的舍友们,正是你们的帮忙以及对我的理解,使我顺利地完成了博士入学考试,我才能克服困难和疑惑,直至本文的顺利完成。感谢我的家人,无论我做什么样的选择,无论我遇到什么困难,一如既往地对我的支持和肯定。也感谢我的女朋友,在日常生活中对我的照顾,对我未来抉择的支持与理解。在论文即将完成之际,我的心情无法平静,从我踏入研究生学习生活后,有多少可敬、可爱的人给予了我莫大的帮助,在这里,我真诚地祝福这些帮助过我的人一辈子幸福、安多人的帮助。康。
第一章绪论支持向量机及国内外研究动态传统的统计模式识别方法只有在样本趋向无穷大时,其性能才有理论上的保证。统计学习理论表明,学习机器的实际风险由经验风险值和置信范围值两部分组成。在进行机器学习时,传统的统计模式识别方法强调经验风险最小化,而基于经验风险最小化准则的学习方法只强调了训练样本的经验风险最小误差,没有最小化置信范围值,因此会产生“过学习问题”,其推广能力较差。针对传统统计模式识别方法推广能力的不足,热颂岢隽酥С窒蛄炕练误差作为优化问题的约束条件,以置信范围值最小化作为优化目标,其推广能力明显优于一些传统的学习方法。目前,已经在生物信息学、人脸识别、指纹识别、手写体识别、数据库学习与身份验证等领域得到了较好的应用。传统的侍馐峭ü桓鐾苟喂婊蠼獾模皇屎锨蠼獯蠊婺N侍猓饕J因为在求解过程中需要存储一个很大的核矩阵,例如,当训练集中样本个数达至氖候,它需要哪诖妫涣硗猓砈还牵涉到大量的计算,∮呕惴简称