分布式支持向量机算法研究计算数学专业论文.docxVIP

山东科技大学硕士学位论文摘要 山东科技大学硕士学位论文 摘要 摘 要 支持向量机是建立在统计学习理论和结构风险最小化原则上的一种新的数据挖掘技 术，因为具有完备的理论基础、直观的几何解释和出色的学习性能，支持向量机己成为 机器学习界的研究热点，并在很多领域都得到了成功的应用，如传感器故障诊断、网络 设备状态识别、入侵检测、癌症诊断等。在无线传感器网络中，支持向量机作为一种新 的分类和检测工具得到了越来越广泛地应用，近几年，基于无线传感器网络的分布式支 持向量机算法引起了广泛关注。本文主要研究了分布式支持向量机算法，同时，探讨了 支持向量机在信息基因提取中的应用。论文共分为五个部分。 首先，介绍了支持向量机的基本模型与几何描述，并对支持向量机算法研究及应用 进行了阐述，从而引出本文研究的主要内容。 第二章，介绍了分布式支持向量机模型及其求解算法。 第三章，针对无线传感器网络，提出了基于分簇的分布式支持向量机算法。首先， 提出了一种新的基于权值的分簇算法，该算法综合考虑了每个节点的最佳邻居节点度数、 传输功率和能量消耗。利用该分簇算法将传感器节点分簇，各个簇头汇集簇成员的壳向 量，与邻居簇头相互交流信息来训练分类器，最终得到全局最优分类器。该算法中，簇 头不用将数据传递给基站，减少了能量损耗，而且簇头之间交流的信息不是自身的数据， 具有隐私保护的优点。最后，进行了数值实验，结果表明了该