分享到:

多分类孪生支持向量机研究进展

孪生支持向量机因其简单的模型、快速的训练速度和优秀的性能而受到广泛关注.该算法最初是为解决二分类问题而提出的,不能直接用于解决现实生活中普遍存在的多分类问题.近年来,学者们致力于将二分类孪生支持向量机扩展为多分类方法,并提出了多种多分类孪生支持向量机.多分类孪生支持向量机的研究已经取得了一定的进展.主要工作是回顾多分类孪生支持向量机的发展,对多分类孪生支持向量机进行合理归类,分析各个类型的多分类孪生支持向量机的理论和几何意义.以多分类孪生支持向量机  (本文共20页) 阅读全文>>

《计算机科学》2018年11期
计算机科学

孪生支持向量机综述

孪生支持向量机(Twin Support Vector Machine,TWSVM)是在支持向量机(Support Vector Machine,SVM)的基础上发展而来的一种新的机器学习方法。作为一种二分类的分类器,其基本思想为寻找两个超平面,使得每...  (本文共8页) 阅读全文>>

大连海事大学
大连海事大学

基于孪生支持向量机的入侵检测系统研究应用

随着信息系统的迅速发展,网络中的关键业务呈爆炸性增长,由于Internet自身的开放性和系统存在的漏洞使计算机系统暴露在网络入侵的风险之中,系统的网络环境安全越来越引起人们的关注。入侵检测作为一种变被动为主动拦截的手段,成为了一个热门方向。传统的入侵检测主要是基于专家知识的模式匹配系统,在新的入侵检测方法的基础上显得比较薄弱,为此出现了大量基于机器学习的入侵检测技术。SVM以其对小样本,高维度数据良好的分类效果脱颖而出。但是它也存在三个明显的缺点,即在面对大量数据时训练时间无法令人满意,对数据平衡敏感和二分类算法无法适应多分类的要求。本文仔细研究了大量文献资料和相关的理论知识,在对现今国内外研究现状有一定了解的基础上。结合果蝇算法寻优能力强的特点来研究基于果蝇算法的多分类孪生SVM算法,简称FOA-TWSVM算法。该算法的核心思想是:利用果蝇算法根据正负类样本的数量不同分别调整TWSVM的两个惩罚参数和核参数,为正负类样本训练两...  (本文共97页) 本文目录 | 阅读全文>>

中国矿业大学
中国矿业大学

基于不同损失函数的多生支持向量机

孪生支持向量机是支持向量机的一种改进算法。与支持向量机相比,孪生支持向量机不但保持了较高的分类准确率而且具有更快的训练速度。孪生支持向量机最初是为解决二分类问题而提出的,然而实际应用中所面临的大多是多分类问题。鉴于孪生支持向量机的优秀性能和多分类问题的广泛性,多分类孪生支持向量机的研究越来越受到人们的重视。多生支持向量机是最近被提出的一种新型多分类孪生支持向量机。该算法因在处理类别较多的多分类问题时具有较快的训练速度而受到关注。但是,与一对一多分类孪生支持向量机等算法相比,该算法分类准确率有待提高。此外,多生支持向量机在训练过程中需要求解二次规划问题,训练速度也有提升的空间。机器学习算法所采用的损失函数直接关系到算法的性能和效率。本文从多生支持向量机的损失项入手,结合粒度计算理论,改进多生支持向量机,提升算法的性能。本文的主要研究内容如下:研究了基于加权线性损失函数的多生支持向量机。为了进一步提升多生支持向量机的训练速度,本文使...  (本文共89页) 本文目录 | 阅读全文>>

中国矿业大学
中国矿业大学

多生支持向量机及其优化方法研究

孪生支持向量机是一种用以解决二分类问题的机器学习方法。然而在实际问题中,人们所面临的大多是多分类的情况。因而研究者们把孪生支持向量机扩展到多分类的情况下,形成了多种不同类型的多分类孪生支持向量机。多生支持向量机是一种最近被提出的新型多分类孪生支持向量机。多生支持向量机的判定准则是样本到超平面的最远距离,而不是孪生支持向量机的最近距离。与其他多分类孪生支持向量机相比,它具有计算复杂度低、分类速度快等优点。但是,多生支持向量机未能充分考虑样本特征的序列相关信息,并且它的损失函数不能体现样本类别之间的差异信息。同时,多生支持向量机需要凭借经验来选择参数,不能自动选择参数。本文从多生支持向量机入手,结合循环神经网络模型与Triplet损失函数来改进多生支持向量机算法,并且用优化算法来优化多生支持向量机的参数,从而从多个方面改进了多生支持向量机、提升了算法的性能。主要研究内容为:1.研究了基于循环神经网络的多生支持向量机。传统的多生支持向...  (本文共87页) 本文目录 | 阅读全文>>

《中国图象图形学报》2017年09期
中国图象图形学报

加权间隔结构化支持向量机目标跟踪算法

目的目标在跟踪过程中,各种因素的干扰使得跟踪结果存在不确定性。因此,将跟踪过程中所提取样本的可靠性融入跟踪模型中,有助于克服低可靠性样本对跟踪算法的影响。为此,基于最近的结构化支持向量机(SSVM)跟踪算法,提出一种包含样本置信度的加权间隔结构化支持向量机跟踪模型(WMSSVM),以增强SSVM跟踪算法性能。方法首先,基于打分和位置重合率估计样本可靠性;其次,建立WMSSVM模型处理具有不同置信度...  (本文共9页) 阅读全文>>

《科技创新与应用》2018年11期
科技创新与应用

模糊型支持向量机及其在入侵检测中的应用

支持向量机是一种基于结构风险的机器学习方法,克服了传统学习方法仅采用经验风险最小化原理的不合理性,为此,研究人员将样本的隶属度引入到支持向量机中,以此解决支持向量机所存在的问题。在此基础上,文...  (本文共4页) 阅读全文>>