支持向量机的模型及其在图像分割中的应用.pdf

文档介绍：重庆大学博士学位论文


支持向量机的模型及其在图像分割中的应用










博士研究生：杨 强
指导教师：吴中福 教 授
学科专业：计算机软件与理论



重庆大学计算机学院
二 OO 四年四月
. Dissertation of Chongqing University


the Models of SVM and the Applications of
SVM to Image Segmentation






. Candidate: Yang Qiang
Supervisor: Prof. Wu Zhongfu
Major: Computer Software and Theory





College of Computer Chongqing University
April 2004
中文摘要
摘 要
支持向量机是 Vapnik 及其研究小组提出的一种全新的模式识别技术。在使用
结构风险最小化原则替代经验风险最小化原则的基础上，支持向量机综合了统计
学****机器学****和神经网络等方面的技术，并被证明可在最小化结构风险的同时，
有效地提高算法的推广能力。由于其完备的理论基础和良好的实验结果，支持向
量机日渐引起研究人员的重视。
但是，尽管具有以上优点，支持向量机在实践应用中仍不同程度地存在一些
缺陷，例如：结构风险的界非常宽松、在学****中对数据集缺乏自适应性、对噪声
数据过于敏感等。在对支持向量机模型予以改进的方面，本论文针对这三个问题
做了如下研究：
（1） 针对支持向量机的结构风险的界非常宽松的问题，本论文提出了基于支持
向量机的分段线性学****模型。该模型不仅能够在不需要引入核变换的情况
下，在遵循结构风险最小化原则的基础上，直接对分段线性可分的数据集
进行有效学****而且能够对只能用高度非线性函数才能正确分类的数据集，
在降低学****机器的结构复杂度的情况下，实现对数据集的有效学****br/>（2） 针对支持向量机在学****中对数据集缺乏自适应性的问题，本论文提出了基
于正反馈的支持向量机模型。该模型先用当前常用的支持向量机模型
L1-SVM 进行第一次训练。然后，利用由第一次训练得的到支持向量之间的
距离信息，对样本在第二次训练过程中的核函数参数进行自适应调整，得
到基于正反馈的支持向量机。该支持向量机对数据集具有一定的自适应性，
实验表明，该支持向量机对具有多种分布特点的数据集具有良好的推广性
能。
（3） 针对支持向量机对噪声数据过于敏感的问题，本论文提出了基于边界调节
的支持向量机模型。该模型提出了一种根据样本在训练过程中形成的经验
误差的大小，对样本给予不同对待的方法，控制了噪声数