基于壳向量的支持向量机快速学习算法研究-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

基于壳向量的支持向量机快速学习算法研究

作者：李东晖 Publish: 2006-7-19 Hits:-

【中文题名】

基于壳向量的支持向量机快速学习算法研究

【英文题名】

【学科专业】

控制科学与工程

【论文级别】

硕士论文

【投稿时间】

2006-7-19

【中关键词】

模式识别,支持向量机,分类,增量学习,壳向量,

【英关键词】

Pattern recognition,support vector machine （SVM）,classification,incremental learning,hull vector,

【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>自动推理、机器学习>

【论文摘要】

基于统计学习理论的支持向量机方法由于具有全局最优和良好的泛化能力,在近几年无论在理论上还是在应用上得到了广泛的研究,并取得了重要成果,但支持向量机方法仍存在不少缺点,如对于大规模数据,其学习速度较慢等。本文详细研究了支持向量机方法,并提出了基于壳向量的快速学习算法,主要研究工作包括: (1)提出了一种新的支持向量机快速算法——基于壳向量的SVM快速分类算法,该算法充分利用训练样本集的几何结构信息,首先从中寻求最有可能成为支持向量的“壳向量”,组成新的训练样本集,之后再进一步进行SVM训练,从中寻取支持向量,令算法速度有了很大的提高。仿真结果表明,该方法与标准支持向量机方法相比,提高了学习速度,同时分类精度保持不变。 (2)在壳向量SVM快速分类算法的基础上,提出了基于壳向量的支持向量机增量学习算法。在增量学习的过程中,利用训练样本集中的几何信息,在样本中首先选取壳向量,它是支持向量集的一个规模较小的扩展集,将其作为新的训练样本集,再进行支持向量训练,很大程度上降低了求取支持向量过程中的二次优化运算时间,使增量学习的训练速度大为提高。与单纯使用支持向量代表样本数据集合进行增...

【论文题纲】

摘要	2-3
Abstract	3-4
目录	4-6
第一章绪论	6-27
1.1 统计学习理论与支持向量机	6-18
1.1.1 概述	6-8
1.1.2 国内外研究的历史和现状	8-9
1.1.3 基本概念	9-10
1.1.4 学习问题的表示	10-11
1.1.5 统计学习理论的核心内容	11-13
1.1.6 支持向量机(SVM)	13-17
1.1.7 SVM的应用研究	17-18
1.2 SVM算法研究现状	18-25
1.2.1 分解算法	19
1.2.2 序贯分类算法	19-20
1.2.3 修改优化问题算法	20-22
1.2.4 增量学习算法	22-23
1.2.5 基于几何思想的 SVM分类算法	23
1.2.6 多类别 SVM分类算法	23-24
1.2.7 现有 SVM算法面临的困难和问题	24-25
1.2.8 本文所做工作的研究意义	25
1.3 论文研究内容和全文的体系结构	25-27
第二章基于壳向量的支持向量机快速算法	27-36
2.1 引言	27
2.2 对支持向量机的几何直观理解	27-29
2.3 基于壳向量的 SVM快速算法	29-34
2.3.1 算法的基本思想	29-31
2.3.2 对非线性可分情况的处理	31-32
2.3.3 壳向量的求解算法	32-33
2.3.4 基于壳向量的 SVM快速算法的基本步骤	33
2.3.5 算法的时间复杂性分析	33-34
2.4 数据仿真	34-35
2.4.1 仿真结果	34-35
2.4.2 分析与结论	35
2.5 本章小结	35-36
第三章基于壳向量的支持向量机快速增量学习算法	36-47
3.1 引言	36-37
3.2 支持向量机增量学习算法的研究现状	37-38
3.3 基于壳向量的支持向量机快速增量学习算法	38-44
3.3.1 标准支持向量机概述	38-39
3.3.2 增量学习过程中的支持向量与壳向量	39-42
3.3.3 增量学习算法的主要步骤	42-43
3.3.4 算法的时间复杂性分析	43-44
3.4 数据仿真	44-46
3.4.1 计算结果	44-45
3.4.2 分析与结论	45-46
3.5 本章小结	46-47
第四章壳向量 SVM方法在牌照识别中的应用	47-60
4.1 汽车牌照识别系统简介	47-52
4.1.1 研究背景及意义	47-49
4.1.2 汽车牌照识别系统的研究现状	49-52
4.2 实验仿真	52-58
4.2.1 预处理	52
4.2.2 分类器设计策略	52-53
4.2.3 基于壳向量的 SVM快速分类算法的应用	53-55
4.2.4 基于壳向量的 SVM增量学习算法的应用	55-57
4.2.5 关于汽车牌照汉字和英文字符的识别	57-58
4.3 本章小结	58-60
第五章总结与展望	60-62
5.1 论文工作总结	60-61
5.2 论文进一步的研究工作展望	61-62
参考文献	62-67
作者在攻读学位期间发表的论文	67-68
致谢	68

【DOI】

LunWen.ID:2.2008.387807



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：模式识别论文支持向量机分类增量学习壳向量

自动化基础最新论文

自动化基础热门论文