分享到:

支持向量回归机及其应用研究

支持向量机是数据挖掘中的新方法。它是建立在统计学习理论基础之上的通用学习方法,并且已表现出很多优于已有方法的性能。目前在理论研究和实际应用两方面支持向量机正处于飞速发展的阶段。处理分类问题和回归问题的支持向量机分别称为支持向量分类机(SVC)和支持向量回归机(SVR),支持向量回归机无论在理论还是应用研究方面都没有支持向量分类机的研究工作深入和广泛,本文针对以下几个方面对支持向量回归机的理论和应用进行了研究和探讨:1.模型选择问题决定了支持向量机实际应用的成功与否。对支持向量分类机,已经有了一些文献探讨如何选择最优参数,其最常用的评价标准是LOO误差界。对支持向量回归机目前还没有相应的结果。本文推导出三个支持向量回归机算法的LOO误差界,并在此基础上给出了一个新的支持向量回归机算法——LOO支持向量回归机;2.本文给出了一个广义支持向量回归机模型,该模型的优化问题中含有一个可灵活选取的函数,通过该函数的不同选取,使其能够包含若干  (本文共106页) 本文目录 | 阅读全文>>

中南大学
中南大学

基于统计学习理论的多核预测模型研究及应用

近几年,用学习理论解决数据分析问题已成为统计学的研究趋势之一。问题规模与复杂性日增的现实,需要更具效率的学习方法。本篇博士论文在统计学习理论的框架下,应用核方法,提出几种新的学习思路,建立了一套多核的支持向量回归机,并成功的应用于实践预测。与传统的学习方法相比较,所设计的新思路更具效率,能以低的计算代价取得期望的预测效果。传统的核学习方法包含的一个主要问题是建立学习模型后采取什么样的优化算法。基于此,本文的第一个创新点是在求解最小二乘支持向量机模型时,针对工作集的选择提出了一个单向收敛序贯最小优化算法(SD-SMO),该算法要求在迭代过程中仅优化一个拉格朗日乘子,使目标函数基于拉格朗日乘子的梯度单向收敛于0。在标准数据集上的数据试验表明,SD-SMO几乎没有降低学习精度,能有效减少算法迭代的次数,降低了计算成本。为了克服传统的核学习方法需要选择具体核的难题,针对多源数据或异构数据,研究者提出了多核学习方法(MKL)。多核学习的核...  (本文共113页) 本文目录 | 阅读全文>>

浙江师范大学
浙江师范大学

支持向量回归机研究及其应用

支持向量机是在统计学习理论基础上发展起来的一种新的、非常有效的机器学习方法。由于其出色的学习性能,该技术已成为人工智能和机器学习领域新的研究热点。支持向量机主要包括支持向量分类机和支持向量回归机两种类型。其中支持向量分类机的理论和实际应用研究相对成熟,而支持向量回归机的研究尚有待进一步深入。不同的损失函数会构成不同的经验风险,进而形成不同的支持向量回归机。目前,支持向量回归机的研究主要集中在基于一次损失函数的情况,而对其它损失函数下支持向量回归机及其应用的研究相对较少,本论文主要在如下方面进行了研究和探讨:(1) 阐述了3种分别基于ε-不敏感损失函数、二次ε-不敏感损失函数和Huber损失函数的支持向量回归机,比较分析它们的异同点,并得出较一般性的结论。(2) 在实际问题中,ε-不敏感损失函数并非都是最优选择。综合3种不同损失函数的优势提出新型的损失函数,同时建立基于该新型损失函数的支持向量回归算法—RSVR。(3) 模型选择是...  (本文共65页) 本文目录 | 阅读全文>>

吉林大学
吉林大学

Ricker子波最小二乘支持向量回归机及其在地震勘探资料去噪中的应用研究

针对消减低信噪比地震勘探资料中的随机噪声问题,引入具有良好泛化性能的支持向量回归机方法。提出并证明了一种新的适合于地震信号处理的支持向量允许核——Ricker子波核。讨论了Ricker子波最小二乘支持向量回归机(LS-SVR)的参数选择问题,分析了LS-SVR方法的去噪机制。大量仿真实验和某盆地共炮点地震反射资料的实际处理表明,Ricker子波LS-SVR方法的去噪性能已超过或接近一些传统的和新出现的滤波方法。考虑到地震子波在传播过程中的频率衰减效应,提出变参数LS-SVR方法并将之应用于理论合成和实际地震记录的处理之中。实验结果表明,该方法在一定条件下比定参数方法更有效。  (本文共143页) 本文目录 | 阅读全文>>

中国农业大学
中国农业大学

模糊支持向量机及其应用研究

支持向量机是Vapnik等人提出的一类新型机器学习方法,它能够非常成功地处理分类和回归问题。由于支持向量机出色的学习性能,该技术已成为机器学习界的研究热点,并在很多领域得到了成功的应用。但是,作为一种尚未成熟的新技术,支持向量机目前存在许多局限。客观世界存在大量的模糊信息,如果支持向量机的训练集中含有模糊信息(模糊参数),那么支持向量机将无能为力。本文研究当训练点的输出为三角模糊数时,模糊支持向量机的构建问题。主要工作如下:1.研究基于可能性理论的模糊支持向量分类机。给出可能性测度、模糊数、三角模糊数的定义,引入模糊机会约束规划的模型和解法。在此基础上,从三个方面(模糊线性可分问题、近似模糊线性可分问题和模糊非线性问题)构建模糊支持向量分类机(算法)。并且研究了模糊支持向量分类机中最佳置信水平的确定方法。2.研究基于模糊系数规划的模糊支持向量分类机。给出模糊数的水平截集、模糊系数函数的最大值(最小值)等定义,引入模糊系数规划的模...  (本文共109页) 本文目录 | 阅读全文>>

上海交通大学
上海交通大学

智能交通中的多核支持向量机与分类器集成方法研究

在现代城市的发展进程中,智能交通系统(Intelligent Transportation Systems,简称ITS)发挥着越来越重要的作用。随着ITS数据采集技术的不断进步和数据硬件存储容量的快速增加,交通管理中心的交通数据已经达到海量级别。如何从这些海量的交通数据中获得有用的信息是交通管理者迫切需要解决的问题。数据挖掘技术是从海量的数据中挖掘出有用信息的一种新技术。本论文正是研究如何将数据挖掘技术中的多核支持向量机、分类器集成方法以及计算机视觉技术应用到智能交通中,达到完善ITS系统的功能,提高ITS系统运行效率的目的。本文重点研究了智能交通领域的三个重大问题:(1)交通事件检测;(2)交通流速度估计以及城市路网动态区域交通指数的挖掘;(3)车辆标志自动识别。具体而言,本论文主要进行了如下几个方面的研究:1.研究了多核支持向量机方法及其在交通事件检测中的应用。支持向量机(Support Vector Machine,简称为...  (本文共169页) 本文目录 | 阅读全文>>