支撑矢量机混合算法的分析.pdfVIP

摘 要 摘要 统计学习理论是一种研究基于样本的机器学习理论。V．Vapnik等人从六、 七十年代开始致力于此方面研究，到九十年代中期，其理论的不断发展和成熟， 已基本形成一套比较完整的理论体系。在这一理论基础上发展了一种新的通用学 习方法——支撑矢量机(SVM)。支撑矢量机是一种普遍适用的方法，已经广泛地用 于模式识别、回归估计、函数逼近、密度估计等方面。本文在对支撑矢量机研究 的基础上，分别研究了四种方法： 1)提出了基于晟小支撑矢量集的SVM算法。通过减少支撑矢量集合中冗余 矢量的方法来减少支撑矢量的规模．以获得较短的检测时间。 2)研究了基于线性组合核的SVM算法。根据核函数的特性．引入半正定规 划，把已知的几种核函数组合起来，以求得性能更佳的核函数。 3)提出了基于遗传算法的SVM多参数选择算法。利用遗传算法的并行性和 全局性，来调整核函数的参数．获得较精确的核形状。 4) 提出了基于免疫算子的SVM多参数选择算法。遗传算法在搜索时是盲目 的，而免疫算子正能够避免盲目搜索．在提高精度的同时也大大减少了计算时间。 理论分析和仿真实验证明了本文中方法的正确性和有效性。 关键词：统计学理论模式识别 支撑矢量机半正定规划 遗传算法免疫算 子 支撑矢量机混台算法的研究 Abstract Statistical isamachine basedon LearningYheory learningtheory researching V inthis a were field．Itdidnotbecome data．Many Vapnikengaged peopleincluding fuller untilthe on anew theory middleof this learning 90”．Basing theory general methodwas is Vector hasbeen learning obtained，it SupportMachine(SVM)．SVM usedforPattern Estimation，Function widely Recognition，theRegression Approach， thesiscontains offourmethodsthatCan Estimation，etc．This Density descriptions the of arelistedinthe improveperformanceSVM．They following． ridofthelinear candecreasetheamountof 1)By vectors，we getting suppon vectors．Inother could ti