發(fā)布時(shí)間：2024-02-14 11:38

　　孿生支持向量機(jī)是在支持向量機(jī)的基礎(chǔ)上產(chǎn)生的機(jī)器學(xué)習(xí)算法,與支持向量機(jī)不同,孿生支持向量機(jī)是找到兩個(gè)分類超平面且是不平行的,使得每一類樣本盡量靠攏一個(gè)超平面,遠(yuǎn)離另一個(gè)超平面。孿生支持向量機(jī)將單個(gè)大型二次規(guī)劃問(wèn)題轉(zhuǎn)化為兩個(gè)較小的二次規(guī)劃問(wèn)題,使得孿生支持向量機(jī)的計(jì)算速度比支持向量機(jī)快約4倍。并且孿生支持向量機(jī)能較好解決異或問(wèn)題,分類性能優(yōu)于支持向量機(jī)。雖然孿生支持向量機(jī)的發(fā)展時(shí)間較短,但是已經(jīng)成為機(jī)器學(xué)習(xí)領(lǐng)域的一個(gè)研究熱點(diǎn),這主要是因?yàn)樗�理論基礎(chǔ)牢固且性能表現(xiàn)優(yōu)異。盡管對(duì)孿生支持向量機(jī)的研究在算法改進(jìn)及其應(yīng)用方面近幾年取得了很大的進(jìn)展,但是在參數(shù)選擇和運(yùn)行效率方面的不足之處仍然存在。針對(duì)這些問(wèn)題,本文對(duì)孿生支持向量機(jī)進(jìn)行了研究,具體內(nèi)容如下:針對(duì)孿生支持向量機(jī)無(wú)法很好地選擇合適參數(shù),不合適的參數(shù)會(huì)降低分類能力的問(wèn)題。本文提出一種基于人工魚群算法的孿生支持向量機(jī)(Twin Support Vector Machine based on Artificial Fish Swarm Algorithm,AFSA-TWSVM),該算法將人工魚群算法和孿生支持向量機(jī)結(jié)合來(lái)解決參數(shù)選擇困難的問(wèn)題。首...

【文章頁(yè)數(shù)】：68 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
致謝
摘要
abstract
變量注釋表
1 緒論
    1.1 課題來(lái)源
    1.2 研究背景及意義
    1.3 研究現(xiàn)狀
    1.4 論文研究?jī)?nèi)容及組織結(jié)構(gòu)
2 基礎(chǔ)理論
    2.1 統(tǒng)計(jì)學(xué)習(xí)理論
    2.2 支持向量機(jī)
    2.3 孿生支持向量機(jī)
    2.4 本章小結(jié)
3 基于人工魚群算法的孿生支持向量機(jī)
    3.1 人工魚群算法
    3.2 基于人工魚群算法的孿生支持向量機(jī)
    3.3 實(shí)驗(yàn)結(jié)果及分析
    3.4 本章小結(jié)
4 基于蝴蝶優(yōu)化算法的孿生支持向量機(jī)
    4.1 蝴蝶優(yōu)化算法
    4.2 基于蝴蝶優(yōu)化算法的孿生支持向量機(jī)
    4.3 實(shí)驗(yàn)結(jié)果及分析
    4.4 本章小結(jié)
5 總結(jié)和展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
作者簡(jiǎn)歷
學(xué)位論文數(shù)據(jù)集



本文編號(hào)：3898040