首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到17条相似文献,搜索用时 156 毫秒
1.
基于支持向量机分类的回归方法   总被引:23,自引:0,他引:23  
陶卿  曹进德  孙德敏 《软件学报》2002,13(5):1024-1028
支持向量机(support vector machine,简称SVM)是一种基于结构风险最小化原理的分类技术,也是一种新的具有很好泛化性能的回归方法.提出了一种将回归问题转化为分类问题的新思想.这种方法具有一定的理论依据,与SVM回归算法相比,其优化问题几何意义清楚明确.  相似文献   

2.
支持向量机(SVM)是一种基于结构风险最小化原理、具有很高泛化性能的学习算法,为小样本、非线性、高维数一类信息融合问题的建模提供了一种有效的途径.本文将Mobile Agent运用到信息融合系统中,对信息融合系统中原有OODA模型进行改进,提出了一种基于SVM的Mobile Agent信息融合模型及算法.相关实验表明,本文中的训练算法可达到更为满意的分类效果,并且可以得到较高的分类精度.  相似文献   

3.
支持向量机(SVM)的性能与SVM参数的选择有关.SVM参数的优化需要一个准则,本文提出了一种以原空间中样本到分类面的最短代数距离最大为准则的SVM参数优化方法.该方法旨在使SVM分类面在原空间中使样本"平分秋色",更能体现SVM分类器的结构风险最小化的原则.算法简单、几何直观性好、易于实现.通过在双螺旋线样本和Iris样本集上所作测试证明了该方法的有效性.  相似文献   

4.
基于遗传算法对支持向量机模型中参数优化   总被引:3,自引:0,他引:3  
支持向量机是基于统计学习理论的结构风险最小化原理基础上提出来的一种学习算法,其在理论上保证了模型的最大泛化能力.针对支持向量机结构参数的选取在没有理论支持,选取又比较困难的情况下,对影响模型分类能力的相关参数进行了研究,提出了一种基于遗传算法和十折交叉检验相结合的遗传支持向量机(GA-SVM)算法,利用遗传算法的全局搜索特性得到支持向量机(SVM)的最优参数值,并用算例表明了此算法有效提高了分类的精度和效率.  相似文献   

5.
支持向量机是一种基于结构风险最小化原理的学习技术,也是一种新的具有很好泛化性能的回归方法.目前,如何设计快速有效的回归估计算法仍然是支持向量机实际应用中的问题之一.文中对标准SVM回归估计算法加以改进,提出一种改进的SVM回归估计算法,并从学习速度和回归估计精度两个方面对提出的改进的SVM回归估计算法与标准SVM回归估计算法进行了比较.实验结果表明,在学习速度与回归估计精度之间取折衷时,文中提出的回归估计算法自由度更大.  相似文献   

6.
支持向量机(Support Vector Machines,简称SVM)根据有限的样本信息在对文本分类的精度和学习能力之间,相比其他的文本分类算法寻求了最佳折中,从而获得了较好的推广能力。而SVM是从线性可分情况下的最优分类面发展而来的,因此对于线性可分文本具有更好的分类效果。给出了一种效率较高的线性可分文本的SVM算法,它在训练的时间复杂度上具有明显的改进,从而可以提高训练效率。结果表明:改进后的SVM算法相比以前的算法大大提高了运行效率。  相似文献   

7.
基于支持向量机的软测量技术及其应用   总被引:3,自引:0,他引:3  
支持向量机(SVM)是一种基于结构风险最小化原理,具有很好推广性能的学习算法。讨论了基于最小二乘支持向量机(LS-SVM)的软测量数据建模原理和方法,并将其应用在汽车排放的氮氧化合物NOX软测量中。通过与基于神经网络的软测量方法进行比较,结果显示出SVM的明显的优势,特别是对小样本、非线性、高维数一类软测量问题的建模,提供了一种有效的途径。  相似文献   

8.
对模式分类中的近似线性可分问题提出了一种新的近似线性支持向量机(SVM):先对近似线性分类中的训练集所形成的两类凸壳进行了相似变形,使变形后的凸壳线性可分,再用平分最近点和最大间隔法求出理想的分划超平面,然后再通过求解最大间隔法的对偶问题得到基于相似压缩的近似线性SVM。此外,还从理论和实证分析两个方面将该方法与线性可分SVM及已有的近似线性可分SVM进行了对比分析,说明了该方法的优越性与合理性。  相似文献   

9.
回归支持向量机的改进序列最小优化学习算法   总被引:20,自引:1,他引:20  
张浩然  韩正之 《软件学报》2003,14(12):2006-2013
支持向量机(support vector machine,简称SVM)是一种基于结构风险最小化原理的学习技术,也是一种新的具有很好泛化性能的回归方法,提出了实现回归支持向量机的一种改进的SMO(sequential minimal optimization)算法,给出了两变量子优化问题的解析解,设计了新的工作集选择方法和停止条件,仿真实例说明,所提出的SMO算法比原始SMO算法具有更快的运算速度.  相似文献   

10.
为了解决模式识别中的近似线性可分问题,提出了一种新的近似线性支持向量机(SVM).首先对近似线性分类中的训练集所形成的两类凸壳进行了相似压缩,使压缩后的凸壳线性可分;基于压缩后线性可分的凸壳,再用平分最近点和最大间隔法求出最优的分划超平面.然后再通过求解最大间隔法的对偶问题,得到基于相似压缩的近似线性SVM.最后,从理论和实证分析两个方面,将该方法与线性可分SVM及推广的平分最近点法进行了对比分析,说明了该方法的优越性与合理性.  相似文献   

11.
A support vector machine (SVM) is a mathematical tool which is based on the structural risk minimization principle. It tries to find a hyperplane in high dimensional feature space to solve some linearly inseparable problems. SVM has been applied within the remote sensing community to multispectral and hyperspectral imagery analysis. However, the standard SVM faces some technical disadvantages. For instance, the solution of an SVM learning problem is scale sensitive, and the process is time‐consuming. A novel Potential SVM (P‐SVM) algorithm is proposed to overcome the shortcomings of standard SVM and it has shown some improvements. In this letter, the P‐SVM algorithm is introduced into multispectral and high‐spatial resolution remotely sensed data classification, and it is applied to ASTER imagery and ADS40 imagery respectively. Experimental results indicate that the P‐SVM is competitive with the standard SVM algorithm in terms of accuracy of classification of remotely sensed data, and the time needed is less.  相似文献   

12.
陶卿  王珏  薛美盛 《计算机学报》2002,25(10):1111-1115
利用闭凸集上的投影解释support vector的几何意义,利用支持超平面讨论线性分类器的设计问题,对线性可分情形,Support vector由一类数据集合闭凸包在另一类数据集合闭凸包上投影的非零系数向量组成,SVM所决定的超平面位于两投影点关于各自数据集合支持超平面的中间,作为应用,文中给出一种设计理想联想记忆前馈神经网络的方法,它是FP算法的一般化。  相似文献   

13.
In this paper, we present a novel nearest neighbor rule-based implementation of the structural risk minimization principle to address a generic classification problem. We propose a fast reference set thinning algorithm on the training data set similar to a support vector machine (SVM) approach. We then show that the nearest neighbor rule based on the reduced set implements the structural risk minimization principle, in a manner which does not involve selection of a convenient feature space. Simulation results on real data indicate that this method significantly reduces the computational cost of the conventional SVMs, and achieves a nearly comparable test error performance.  相似文献   

14.
支持向量机作为一种新的机器学习方法,由于其建立在结构风险最小化准则之上,而不是仅仅使经验风险达到最小,从而使对支持向量分类器具有较好的推广能力。本文分析了支持向量机在解决无监督分类问题上的不足,提出一种基于支持向量机思想的最大间距的聚类新方法。实验结果表明,该算法能成功地解决很多非监督分类问题。  相似文献   

15.
研究了基于SVM算法的改进朴素贝叶斯文本分类算法及在垃圾短信过滤中的应用。针对朴素贝叶斯算法条件独立性假设、过分依赖于样本空间的分布和内在不稳定性的缺陷,造成了算法时间复杂度的增加,提出了改进的基于SVM算法的朴素贝叶斯算法垃圾短信过滤的解决方案,充分结合了朴素贝叶斯算法高效分类和SVM算法增量学习及不依赖样本空间的特点;首先利用结构风险最小化原理和非线性变换将分类问题转化为二次寻优问题,最后利用朴素贝叶斯算法过滤短信,提高分类的准确度和稳定性;仿真实验结果表明,该算法能够快速得到最优分类特征子集,有效提高了垃圾短信过滤的准确率和分类速度。  相似文献   

16.
基于支持向量机的遥感图像舰船目标识别方法   总被引:2,自引:0,他引:2  
李毅  徐守时 《计算机仿真》2006,23(6):180-183
针对高分辨率遥感图像舰船目标识别问题,提出了一种基于支持向量机的舰船目标分类方法。支持向量机(SVM)是一类新型机器学习方法,基于结构风险最小化归纳原则,具有出色的学习能力。与传统的方法相比,支持向量机不但结构简单,而且技术性能特别是泛化能力明显提高。该文简要介绍了有关统计学习理论和支持向量机算法,将支持向量机应用于遥感图像舰船目标识别,并同传统的舰船识别方法进行了相关的对比实验,实验结果说明本文提出的分类器在识别性能上明显优于其它传统分类器,具有更高的识别性能率。  相似文献   

17.
基于SVM的墙地砖颜色自动分类   总被引:1,自引:0,他引:1  
苏彩红  朱学峰  刘笛 《计算机仿真》2004,21(12):179-181
支持向量机(SVM)是一种采用结构风险最小化原则的新的机器学习方法,具有完备的理论基础。该文首次把支持向量机技术应用于墙地砖的自动分类,首先通过对墙地砖图像的RGB通道进行小波分解,由于不同通道的相关性,故提取其协变信号作为特征集,再构建二叉树形式的决策树来实现SVM多类分类,然后对墙地砖进行了颜色分类实验,并与knn分类结果对比,实验结果证明SVM分类器具有更高的分类准确率。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号