收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

一种改进的显性多核支持向量机

张凯军  梁循  
【摘要】:在支持向量机(Support vector machine,SVM)中,对核函数的定义非常重要,不同的核会产生不同的分类结果.如何充分利用多个不同核函数的特点,来共同提高SVM学习的效果,已成为一个研究热点.于是,多核学习(Multiple kerne learning,MKL)方法应运而生.最近,有的学者提出了一种简单有效的稀疏MKL算法,即GMKL(Generalized MKL)算法,它结合了L1范式和L2范式的优点,形成了一个对核权重的弹性限定.然而,GMKL算法也并没有考虑到如何在充分利用已经选用的核函数中的共有信息.另一方面,MultiK-MHKS算法则考虑了利用典型关联分析(Canonical correlation analysis,CCA)来获取核函数之间的共有信息,但是却没有考虑到核函数的筛选问题.本文模型则基于这两种算法进行了一定程度的改进,我们称我们的算法为改进的显性多核支持向量机(Improved domain multiple kernel support vector machine IDMK-SVM).我们证明了本文的模型保持了GMKL的特性,并且证明了算法的收敛性.最后通过模拟实验,本文证明了本文的多核学习方法相比于传统的多核学习方法有一定的精确性优势.

知网文化
【相似文献】
中国期刊全文数据库 前20条
1 杨强,吴中福,余平,钟将;基于正反馈的支持向量机[J];重庆大学学报(自然科学版);2004年05期
2 孙蕾,周明全,李丙春;一种非平衡分布数据的支持向量机新算法[J];计算机应用;2004年12期
3 黄勇;郑春颖;宋忠虎;;多类支持向量机算法综述[J];计算技术与自动化;2005年04期
4 杨强,吴中福,余萍,钟将;一种新型支持向量机[J];重庆大学学报(自然科学版);2005年02期
5 张猛,付丽华,王高峰;模糊临近支持向量机[J];计算机工程与应用;2005年05期
6 张浩然;汪晓东;张长江;徐秀玲;;一种新型回归支持向量机的学习算法[J];测试技术学报;2006年02期
7 王晔;黄上腾;;基于间隔区域样本数量的加权支持向量机[J];计算机工程;2006年06期
8 梁新荣;刘智勇;孙德山;毛宗源;;支持向量机在混沌系统预测中的应用[J];计算机应用研究;2006年05期
9 卢敏;张展羽;冯宝平;贾仁辅;;基于支持向量机的区域水安全预警模型及应用[J];计算机工程;2006年15期
10 张阳;刘永革;景旭;;一种改进的线性支持向量机的特征筛选算法[J];西北农林科技大学学报(自然科学版);2006年10期
11 杨斌;路游;;基于统计学习理论的支持向量机的分类方法[J];计算机技术与发展;2006年11期
12 谢保川;刘福太;;支持向量机在模拟电路故障诊断中的应用[J];计算机仿真;2006年10期
13 张绪春;姜礼平;王平;;基于支持向量机的末敏弹命中概率预测研究[J];军事运筹与系统工程;2006年04期
14 鲁昌华;张军;胡浪涛;;基于支持向量机的铜矿成矿概率的研究[J];电子测量与仪器学报;2007年06期
15 胡金莲;杨雷;王斌;;用光滑的支持向量机解回归问题[J];科学技术与工程;2007年12期
16 吴疆;董婷;;基于支持向量机算法的癌症预测[J];榆林学院学报;2007年04期
17 朱程辉;孙东卫;丰义;吴德会;;基于支持向量机的无监督聚类算法研究[J];计算机工程与应用;2007年26期
18 陈继超;;支持向量机技术及其应用[J];科技信息(科学教研);2007年25期
19 李建武;陆耀;;一种快速多分类支持向量机实现策略[J];模式识别与人工智能;2007年03期
20 陶晓燕;姬红兵;董淑福;;用于非平衡样本分类的近似支持向量机[J];模式识别与人工智能;2007年04期
中国重要会议论文全文数据库 前10条
1 侯澍旻;李友荣;刘光临;;基于支持向量机的设备振动信号趋势预测[A];12省区市机械工程学会2006年学术年会湖北省论文集[C];2006年
2 张晓滨;尹英顺;赵培坤;马秀兰;;基于渐进直推支持向量机的半对半多类文本分类[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年
3 徐会敏;王玉兰;;线性规划支持向量机模型的研究[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用(CACIS)学术会议论文集[C];2007年
4 晏庆华;;支持向量机算法综述[A];2008'中国信息技术与应用学术论坛论文集(二)[C];2008年
5 郭一楠;程健;肖大伟;杨梅;;分布式多分类支持向量机[A];2011年中国智能自动化学术会议论文集(第一分册)[C];2011年
6 林关成;李亚安;;一种支持向量机训练集选取算法改进[A];2009’中国西部地区声学学术交流会论文集[C];2009年
7 杨凌;刘玉树;;基于支持向量机的坦克识别算法[A];第三届全国数字成像技术及相关材料发展与应用学术研讨会论文摘要集[C];2004年
8 李方方;赵英凯;贾玉莹;杜杰;;基于最小二乘支持向量机的油品质量预测[A];第25届中国控制会议论文集(上册)[C];2006年
9 曾江辉;耿金凤;汪邦军;郝建春;;面向时间序列质量波动预测的支持向量机回归模型研究[A];使命与责任—以质量方法促转型升级——第五届中国质量学术与创新论坛论文集(上)[C];2012年
10 戴林超;吴琳丽;赵海娜;李训铭;;基于最小二乘支持向量机的故障预测法[A];2009年中国智能自动化会议论文集(第六分册)[中南大学学报(增刊)][C];2009年
中国博士学位论文全文数据库 前10条
1 周喜川;非可信环境下的支持向量机研究[D];浙江大学;2010年
2 常甜甜;支持向量机学习算法若干问题的研究[D];西安电子科技大学;2010年
3 王超;三类不确定支持向量机及其应用[D];河北大学;2013年
4 张国云;支持向量机算法及其应用研究[D];湖南大学;2006年
5 李华庆;支持向量机及其在人脸识别中的应用研究[D];上海交通大学;2006年
6 杜喆;几类支持向量机变型算法的研究[D];西安电子科技大学;2009年
7 李海生;支持向量机回归算法与应用研究[D];华南理工大学;2005年
8 刘京礼;鲁棒最小二乘支持向量机研究与应用[D];中国科学技术大学;2010年
9 董春曦;支持向量机及其在入侵检测中的应用研究[D];西安电子科技大学;2004年
10 唐发明;基于统计学习理论的支持向量机算法研究[D];华中科技大学;2005年
中国硕士学位论文全文数据库 前10条
1 周林成;小波支持向量机在数据建模中的研究及应用[D];江南大学;2008年
2 王芳;支持向量机算法的研究及应用[D];江南大学;2008年
3 高泓;基于支持向量机的动态预测方法与实现技术研究[D];大庆石油学院;2009年
4 王永吉;支持向量机泛化性能的研究及其应用[D];江南大学;2009年
5 梁宏霞;支持向量机模型研究及应用[D];辽宁师范大学;2009年
6 孙庆嘉;多类支持向量机的研究与分析[D];北京交通大学;2010年
7 朱杰;基于最小二乘支持向量机的传染病预测与研究[D];苏州大学;2009年
8 王琳;支持向量机及相关理论研究[D];辽宁师范大学;2010年
9 万家强;支持向量机在质量管理中的应用研究[D];重庆理工大学;2010年
10 李响;基于半监督支持向量机的网络流量分类机制的研究与实现[D];北京邮电大学;2011年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978