發(fā)布時間：2024-02-14 11:38

　　孿生支持向量機是在支持向量機的基礎上產(chǎn)生的機器學習算法,與支持向量機不同,孿生支持向量機是找到兩個分類超平面且是不平行的,使得每一類樣本盡量靠攏一個超平面,遠離另一個超平面。孿生支持向量機將單個大型二次規(guī)劃問題轉化為兩個較小的二次規(guī)劃問題,使得孿生支持向量機的計算速度比支持向量機快約4倍。并且孿生支持向量機能較好解決異或問題,分類性能優(yōu)于支持向量機。雖然孿生支持向量機的發(fā)展時間較短,但是已經(jīng)成為機器學習領域的一個研究熱點,這主要是因為它理論基礎牢固且性能表現(xiàn)優(yōu)異。盡管對孿生支持向量機的研究在算法改進及其應用方面近幾年取得了很大的進展,但是在參數(shù)選擇和運行效率方面的不足之處仍然存在。針對這些問題,本文對孿生支持向量機進行了研究,具體內(nèi)容如下:針對孿生支持向量機無法很好地選擇合適參數(shù),不合適的參數(shù)會降低分類能力的問題。本文提出一種基于人工魚群算法的孿生支持向量機(Twin Support Vector Machine based on Artificial Fish Swarm Algorithm,AFSA-TWSVM),該算法將人工魚群算法和孿生支持向量機結合來解決參數(shù)選擇困難的問題。首...

【文章頁數(shù)】：68 頁

【學位級別】：碩士

【文章目錄】：
致謝
摘要
abstract
變量注釋表
1 緒論
    1.1 課題來源
    1.2 研究背景及意義
    1.3 研究現(xiàn)狀
    1.4 論文研究內(nèi)容及組織結構
2 基礎理論
    2.1 統(tǒng)計學習理論
    2.2 支持向量機
    2.3 孿生支持向量機
    2.4 本章小結
3 基于人工魚群算法的孿生支持向量機
    3.1 人工魚群算法
    3.2 基于人工魚群算法的孿生支持向量機
    3.3 實驗結果及分析
    3.4 本章小結
4 基于蝴蝶優(yōu)化算法的孿生支持向量機
    4.1 蝴蝶優(yōu)化算法
    4.2 基于蝴蝶優(yōu)化算法的孿生支持向量機
    4.3 實驗結果及分析
    4.4 本章小結
5 總結和展望
    5.1 總結
    5.2 展望
參考文獻
作者簡歷
學位論文數(shù)據(jù)集



本文編號：3898040