模糊支持向量机的相关技术研究-自动化基础-论文之家

您现在的位置：硕士论文 >> 电子论文 >> 自动化 >> 自动化基础 >> 正文

模糊支持向量机的相关技术研究

作者：刘宏兵 Publish: 2006-6-28 Hits:-

【中文题名】

模糊支持向量机的相关技术研究

【英文题名】

The Study of the Relevant Techniques in Fuzzy Support Vector Machines

【学科专业】

计算机软件与理论

【论文级别】

硕士论文

【投稿时间】

2006-6-28

【中关键词】

支持向量机,模糊支持向量机,少训练样本集,隶属函数,模糊C-均值聚类,

【英关键词】

Support Vector Machines,Fuzzy Support Vector Machines,The Reduced Training Set,Membership Functions,Fuzzy C-Means Clustering,

【分类导航】

工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>>

【论文摘要】

本文针对支持向量机(SVMs,Support Vector Machines)中的过学习、不可分区域、过长的训练时间等问题,提出4类改进的模糊支持向量机(FSVMs,Fuzzy Support Vector Machines)。 1.基于λ-截集的FSVMs。这类学习机将FSVMs与模糊理论相结合,提取训练集中的少部分样本,形成少训练样本集,构造基于这种少训练样本集上的FSVMs。首先选取每类样本集的中心,利用样本与其类中心的距离定义隶属函数。该隶属函数将每类数据映射到一个超球体内,这样训练集成为一个模糊集,每一个样本是一个三元组,包括样本的特征、样本的类别属性、样本的隶属度;其次,选取一个合适的参数λ,利用λ-截集选取特征向量,利用特征向量构造FSVMs;第三,利用有向无环图决策机制,将该类学习机推广到多类问题。 2.基于线性聚类的FSVMs。该类学习机利用线性聚类,提取距分类超平面较近的样本构造改进的学习机。首先选取训练集中最典型的一些样本,构造一个粗糙SVMs的分类超平面,用样本与这个超平面的相对距离定义隶属函数,将所有的训练样本都映射到一个带形区域;其次,选取合适的聚类参数λ,...

【论文题纲】

第1章绪论	10-16
1.1 前言	10-12
1.2 相关研究现状	12-14
1.3 本文组织结构及创新点	14-16
第2章模糊支持向量机及其改进策略	16-28
2.1 引言	16
2.2 支持向量机	16-20
2.2.1 线性可分的支持向量机	17-18
2.2.2 线性不可分支持向量机	18-19
2.2.3 非线性可分的支持向量机	19-20
2.3 模糊支持向量机	20-22
2.4 模糊支持向量机的改进策略	22-25
2.5 数值实验	25-27
2.5.1 实验一	25-26
2.5.2 实验二	26
2.5.3 实验三	26-27
2.6 小结	27-28
第3章基于边缘数据的模糊支持向量机	28-47
3.1 引言	28
3.2 基于λ-截集的模糊支持向量机	28-35
3.2.1 λ-FSVMs算法	29-30
3.2.2 λ-FSVMs的几何解释	30-32
3.2.3 数值实验	32-35
3.3 基于线性聚类的模糊支持向量机	35-41
3.3.1 线性聚类	35-36
3.3.2 改进 FSVMs算法	36-37
3.3.3 该类学习机的几何解释	37-39
3.3.4 数值实验	39-41
3.4 基于球形区域的模糊支持向量机	41-45
3.4.1 少样本训练集的提取	42-43
3.4.2 改进模糊支持向量机的几何解释	43-44
3.4.3 数值实验	44-45
3.5 小结	45-47
第4章基于聚类的模糊支持向量机	47-54
4.1 模糊C-均值算法	48-50
4.2 学习机的几何解释	50-52
4.3 数值实验	52
4.4 小结	52-54
第5章回顾与展望	54-56
参考文献	56-59
读研期间发表的学术论文	59-60
致谢	60

【DOI】

LunWen.ID:2.2008.387717



付费论文：有参考文献 300元

1、注册会员 2、购买本文 3、下载文章
注:此文为收费论文，需付费购买。每页大约1000字。

代写论文流程

载入中…

Web lunwenjia


热门搜索：支持向量机论文模糊支持向量机少训练样本集隶属函数模糊C-均值聚类

自动化基础最新论文

自动化基础热门论文