期刊文献+
共找到17篇文章
< 1 >
每页显示 20 50 100
核函数对v-支持向量机的泛化能力影响分析 被引量:8
1
作者 刘华富 王仲 《计算机工程与科学》 CSCD 2007年第7期77-79,共3页
支持向量机在模式分类中得到了很好的应用。对于线性不可分的样本空间,需要寻找核函数,将线性不可分的样本集映射到另一个高维线性空间。支持向量机的泛化能力直接影响其实际应用效果。本文讨论了v-支持向量机的泛化能力的一个估计,定... 支持向量机在模式分类中得到了很好的应用。对于线性不可分的样本空间,需要寻找核函数,将线性不可分的样本集映射到另一个高维线性空间。支持向量机的泛化能力直接影响其实际应用效果。本文讨论了v-支持向量机的泛化能力的一个估计,定性分析了核函数对v-支持向量机的泛化能力的影响,并就高斯核函数对v-支持向量机的泛化能力的影响进行了具体分析。 展开更多
关键词 v-支持向量机 核函数 泛化能力
下载PDF
精确增量式在线v型支持向量回归机学习算法 被引量:7
2
作者 顾斌杰 潘丰 《控制理论与应用》 EI CAS CSCD 北大核心 2016年第4期466-478,共13页
为了解决v型支持向量回归机(v-supportvector regression,v-SVR)对偶问题的目标函数中增加的额外线性项从而导致无法产生有效初始解的问题和在绝缘增量调整过程中可能存在的解路径不可行更新问题,提出了精确增量式在线v-SVR学习算法.首... 为了解决v型支持向量回归机(v-supportvector regression,v-SVR)对偶问题的目标函数中增加的额外线性项从而导致无法产生有效初始解的问题和在绝缘增量调整过程中可能存在的解路径不可行更新问题,提出了精确增量式在线v-SVR学习算法.首先基于v-SVR的等价形式,利用提前调整,宽松的绝缘增量调整和精确的恢复调整有效地解决了v-SVR对偶问题存在的上述问题.然后分别对算法的可行性和有限收敛性进行了理论分析.最后在四个基准测试数据集上的仿真结果进一步验证了该算法的每一步调整都是可靠的,经过有限次数调整最终收敛到最小化问题的最优解,而且与批处理学习算法相比,随着训练样本的增加,算法在缩短学习时间上的优势显著. 展开更多
关键词 在线学习 v型支持向量回归机 机器学习 学习算法 可行性分析 有限收敛性分析
下载PDF
基于ν-支持向量机的边际电价预测及置信区间估计 被引量:2
3
作者 李益国 沈炯 《东南大学学报(自然科学版)》 EI CAS CSCD 北大核心 2007年第1期70-73,共4页
引入ν-支持向量机,通过构造和求解一个凸优化问题,同时实现了对边际电价的预测和对置信区间的估计,且无需假定预测偏差的概率分布.在ν-支持向量回归中,当ε>0时,ν是错误样本的个数占总样本个数份额的上界.利用该性质,边际电价预... 引入ν-支持向量机,通过构造和求解一个凸优化问题,同时实现了对边际电价的预测和对置信区间的估计,且无需假定预测偏差的概率分布.在ν-支持向量回归中,当ε>0时,ν是错误样本的个数占总样本个数份额的上界.利用该性质,边际电价预测的置信度和置信区间可以很自然地用参数1-ν和变量ε来表示,这为发电公司进行竞价方案的风险分析打下了很好的基础.算例仿真表明,该方法具有较好的泛化性能和较高的预测精度. 展开更多
关键词 电力市场 边际电价 v-支持向量机 置信区间
下载PDF
基于粗糙集边界的v-支持向量机混合分类算法 被引量:3
4
作者 蒋桂莲 刘树锟 《计算机与现代化》 2010年第8期15-17,21,共4页
针对v-支持向量机在样本集规模较大的情况下,需要占用大量训练时间的问题,提出基于粗糙集边界的v-支持向量机混合分类算法。该算法根据粗糙集理论边界区域的优点,生成分类数据的边界集,使其包括全部的支持向量,用此边界向量集替代原始... 针对v-支持向量机在样本集规模较大的情况下,需要占用大量训练时间的问题,提出基于粗糙集边界的v-支持向量机混合分类算法。该算法根据粗糙集理论边界区域的优点,生成分类数据的边界集,使其包括全部的支持向量,用此边界向量集替代原始样本作为训练集,减少训练集的数量,则可以在不影响分类精度和泛化性能的前提下显著缩短v-支持向量机的训练时间。仿真结果表明该算法的有效性。 展开更多
关键词 v-支持向量机 粗糙集 边界样本集 支持向量
下载PDF
基于粗糙集边界的V-支持向量聚类算法 被引量:2
5
作者 邹汉斌 黄少年 +1 位作者 雷红艳 周慧灿 《无线电工程》 2009年第2期20-23,共4页
根据粗糙集理论的边界区域和V-支持向量机的优点对支持向量聚类算法进行改进。使用核函数进行特征空间的映射,发现最小粗糙球的包络点。根据上近似集与下近似集,定义粗糙球的内半径r和外半径为R。数据点映射若位于下近似区,则属于一个... 根据粗糙集理论的边界区域和V-支持向量机的优点对支持向量聚类算法进行改进。使用核函数进行特征空间的映射,发现最小粗糙球的包络点。根据上近似集与下近似集,定义粗糙球的内半径r和外半径为R。数据点映射若位于下近似区,则属于一个确定的聚类;若边界的点位于上近似区,属于不确定的聚类,位于球体外的点属于孤立点。实验结果表明,该聚类算法可以不需要额外的计算开销,能够解决任意形状的软聚类问题,有效地处理边界点。 展开更多
关键词 聚类 粗糙集 核方法 支持向量聚类 v-支持向量机
下载PDF
基于V-支持向量机与ε-支持向量机的非线性系统辨识 被引量:2
6
作者 张智 朱齐丹 严勇杰 《弹箭与制导学报》 CSCD 北大核心 2006年第S1期278-281,共4页
介绍了V-支持向量机与ε-支持向量回归机的原理,并针对函数辨识问题作了仿真和比较,分析了其异同与优缺点。探讨了利用支持向量机进行非线性系统辨识的方法,仿真结果表明了V-支持向量机的有效性与优越性,并分析了V-支持向量机中参数V的... 介绍了V-支持向量机与ε-支持向量回归机的原理,并针对函数辨识问题作了仿真和比较,分析了其异同与优缺点。探讨了利用支持向量机进行非线性系统辨识的方法,仿真结果表明了V-支持向量机的有效性与优越性,并分析了V-支持向量机中参数V的变化对辨识结果的影响。 展开更多
关键词 支持向量机 非线性系统 辨识 回归问题
下载PDF
一种L2软间隔支持向量机的Matlab实现
7
作者 黄成泉 《智能计算机与应用》 2013年第3期85-86,共2页
通过将v-支持向量机的目标函数的L1正则化项变为L2正则化项,构造了一种L2软间隔支持向量机。通过引入拉格朗日乘数,构造拉格朗日函数,导出了L2软间隔支持向量机的对偶二次规划(Quadratic Programming,QP)形式。使用KKT(Karush-Kuhn-Tuck... 通过将v-支持向量机的目标函数的L1正则化项变为L2正则化项,构造了一种L2软间隔支持向量机。通过引入拉格朗日乘数,构造拉格朗日函数,导出了L2软间隔支持向量机的对偶二次规划(Quadratic Programming,QP)形式。使用KKT(Karush-Kuhn-Tucker)条件,导出了L2软间隔支持向量机的软间隔ρ及偏置项b的表达式,并通过Matlab数学软件进行编程实现L2软间隔支持向量机的求解。 展开更多
关键词 v-支持向量机 L2软间隔支持向量机 KKT条件
下载PDF
ν-支持向量机的收敛性
8
作者 蔡佳 陈洪 《湖北大学学报(自然科学版)》 CAS 北大核心 2005年第4期321-325,共5页
支持向量机是在统计学习理论最新发展的基础上产生的一个崭新的学习系统.支持向量机算法通过支持向量控制学习机器的容量.为了控制支持向量的数目,Schφlkopf等提出了ν-支持向量机.研究了ν-支持向量机的若干性质,并给出了相应算法的... 支持向量机是在统计学习理论最新发展的基础上产生的一个崭新的学习系统.支持向量机算法通过支持向量控制学习机器的容量.为了控制支持向量的数目,Schφlkopf等提出了ν-支持向量机.研究了ν-支持向量机的若干性质,并给出了相应算法的收敛性. 展开更多
关键词 v-支持向量机 错分误差 再生核希尔伯特空间
下载PDF
总间隔v-支持向量机及其几何问题 被引量:10
9
作者 彭新俊 王翼飞 《模式识别与人工智能》 EI CSCD 北大核心 2009年第1期8-16,共9页
提出总间隔v-支持向量机(TM-v-SVM),该算法可取得比v-SVM更好的理论分类性能.研究表明TM-v-SVM等价于求解特征空间中的两个压缩凸包的最近点对.讨论压缩凸包的相关性质,并给出对应的几何算法.数值模拟实验表明TM-v-SVM和对应的几何算法... 提出总间隔v-支持向量机(TM-v-SVM),该算法可取得比v-SVM更好的理论分类性能.研究表明TM-v-SVM等价于求解特征空间中的两个压缩凸包的最近点对.讨论压缩凸包的相关性质,并给出对应的几何算法.数值模拟实验表明TM-v-SVM和对应的几何算法可取得比其它算法更好的性能. 展开更多
关键词 支持向量机(SvM) 总间隔支持向量机(TM—SvM) 总间隔v-支持向量机(TM-v-SvM) 压缩凸包(CCH) 几何算法
原文传递
局部保留最大信息差v-支持向量机 被引量:10
10
作者 陶剑文 王士同 《自动化学报》 EI CSCD 北大核心 2012年第1期97-108,共12页
针对现有模式分类方法不能较好地保持数据空间的局部流形信息或差异信息等问题,提出一种基于流形学习的局部保留最大信息差v-支持向量机(Locality-preserved maximum information variance v-support vector machine,v-LPMIVSVM).对于... 针对现有模式分类方法不能较好地保持数据空间的局部流形信息或差异信息等问题,提出一种基于流形学习的局部保留最大信息差v-支持向量机(Locality-preserved maximum information variance v-support vector machine,v-LPMIVSVM).对于模式分类问题,v-LPMIVSVM引入局部同类离散度和局部异类离散度概念,分别体现输入空间局部流形结构和局部差异(或判别)信息,通过最小化局部同类离散度和最大化局部异类离散度,优化分类器的投影方向.同时,v-LPMIVSVM采用适于流形数据的测地线距离来度量数据点对间的相似性,以更好地反映流形数据的本质结构.人造和实际数据集实验结果显示所提方法具有良好的泛化性能. 展开更多
关键词 局部保留投影 v-支持向量机 流形学习 局部同类离散度 局部异类离散度
下载PDF
短波近红外光谱结合ν-SVM法快速无损鉴别淀粉种类 被引量:2
11
作者 邹婷婷 窦英 +4 位作者 王莹 宋焕禄 庞小一 陶菲菲 张秋晨 《食品与发酵工业》 CAS CSCD 北大核心 2013年第3期176-178,共3页
选用不同厂家的红薯淀粉、马铃薯淀粉和玉米淀粉共112个样品,利用短波近红外光谱技术对淀粉种类进行鉴别。分别采用马氏距离判别法、C-支持向量机(C-SVM)、ν-支持向量机(ν-SVM)建立淀粉种类鉴别的短波近红外光谱模型;并对比多元散射... 选用不同厂家的红薯淀粉、马铃薯淀粉和玉米淀粉共112个样品,利用短波近红外光谱技术对淀粉种类进行鉴别。分别采用马氏距离判别法、C-支持向量机(C-SVM)、ν-支持向量机(ν-SVM)建立淀粉种类鉴别的短波近红外光谱模型;并对比多元散射矫正、平滑、一阶微分、二阶微分等多种预处理方法后的建模结果。结果表明:同时使用平滑、多元散射矫正、一阶微分3种预处理方法后,ν-SVM分类模型的效果最佳;训练集交叉验证正确率为100%,测试集正确率也达到100%。该模型快速准确无损的鉴别淀粉种类是可行的。 展开更多
关键词 短波近红外光谱技术 淀粉 马氏距离判别 ν-支持向量机(ν-SvM) 定性分析
下载PDF
基于自适应边界向量提取的多尺度v-支持向量机建模 被引量:2
12
作者 苏成利 郑博元 李平 《控制与决策》 EI CSCD 北大核心 2015年第4期721-726,共6页
针对v-支持向量机(v-SVM)用于大规模、多峰样本建模时易出现训练速度慢和回归精度低的问题,提出基于边界向量提取的多尺度v-SVM建模方法.该方法采用一种自适应边界向量提取算法,从训练样本中预提取出包含全部支持向量的边界向量集,以缩... 针对v-支持向量机(v-SVM)用于大规模、多峰样本建模时易出现训练速度慢和回归精度低的问题,提出基于边界向量提取的多尺度v-SVM建模方法.该方法采用一种自适应边界向量提取算法,从训练样本中预提取出包含全部支持向量的边界向量集,以缩减训练样本规模,并通过求解多尺度v-SVM二次规划问题获取全局最优回归模型,从多个尺度上对复杂分布样本进行逼近.仿真结果表明,基于边界向量提取的多尺度v-SVM比v-SVM具有更好的回归结果. 展开更多
关键词 大样本建模 边界向量提取 多尺度学习 v-支持向量机
原文传递
结合模糊(C+P)均值聚类和SP-V-支持向量机的TSK分类器 被引量:1
13
作者 徐明亮 王士同 《光学精密工程》 EI CAS CSCD 北大核心 2016年第3期643-650,共8页
为获得具有模糊规则自适应约简性能和较好的泛化性能的TSK分类器,本文提出了一种结合模糊(C+P)均值聚类(FCPM)算法和SP-V-支持向量机(SVM)分类算法来构建TSK(Takagi-Sugeno-Kang)分类器的方法。该方法首先用FCPM聚类算法对训练数据进行... 为获得具有模糊规则自适应约简性能和较好的泛化性能的TSK分类器,本文提出了一种结合模糊(C+P)均值聚类(FCPM)算法和SP-V-支持向量机(SVM)分类算法来构建TSK(Takagi-Sugeno-Kang)分类器的方法。该方法首先用FCPM聚类算法对训练数据进行聚类;然后根据聚类结果确定TSK分类器的模糊规则前件中的高斯隶属度函数的中心和宽度参数;最后采用成组稀疏约束SP-V-SVM算法对模糊规则后件参数进行学习,该算法不仅改善了系统的泛化性能,还使系统具有模糊规则自适应约简功能,使得系统更为紧凑。与相关算法在UCI和IDA标准数据集分类实验中的模糊规则数和分类性能对比表明:用提出的分类算法所构造的TSK分类器不仅具有较好的分类性能,而且模糊规则数少,有利于构建更为紧凑的模糊分类系统。 展开更多
关键词 TSK分类器 模糊规则 规则约简 模糊(C+P)均值聚类(FCPM) SP-v-支持向量机(SvM)
下载PDF
噪音人脸图像的总间隔v最小类内方差SVM分类 被引量:2
14
作者 杨冰 王士同 《计算机工程与应用》 CSCD 北大核心 2010年第30期148-152,共5页
提出总间隔v最小类内方差支持向量机(TM-v-MCVSVMs),用于解决含有噪音人脸图像的分类问题,它综合了最小类内方差支持向量机(MCVSVMs)和总间隔v-支持向量机(TM-v-SVM)的优点。给出了TM-v-MCVSVMs在小样本问题和非线性分类问题中的解决方... 提出总间隔v最小类内方差支持向量机(TM-v-MCVSVMs),用于解决含有噪音人脸图像的分类问题,它综合了最小类内方差支持向量机(MCVSVMs)和总间隔v-支持向量机(TM-v-SVM)的优点。给出了TM-v-MCVSVMs在小样本问题和非线性分类问题中的解决方法。经初步的实验验证,在含有噪音人脸图像的分类问题中,TM-v-MCVSVMs获得了比MCVSVMs和TM-v-SVM更好的分类性能。 展开更多
关键词 支持向量机(SvM) 最小类内方差支持向量机(MCvSvMs) 总间隔v-支持向量机(TM-v-SvM) 人脸识别 主成分分析(PCA) 核主成分分析(KPCA)
下载PDF
公共矢量的最小类内方差SVM与噪音人脸分类 被引量:1
15
作者 杨冰 王士同 《计算机工程与应用》 CSCD 北大核心 2011年第27期164-167,202,共5页
提出基于公共矢量的最小类内方差支持向量机(CV-MCVSVM),用于提高噪音人脸图像分类问题中的抗噪性能。它继承了最小类内方差支持向量机(MCVSVMs)的优点,引入了由公共矢量(CVs)构成的散度矩阵Scom,由于CVs包含了样本中的共同信息,因此CV-... 提出基于公共矢量的最小类内方差支持向量机(CV-MCVSVM),用于提高噪音人脸图像分类问题中的抗噪性能。它继承了最小类内方差支持向量机(MCVSVMs)的优点,引入了由公共矢量(CVs)构成的散度矩阵Scom,由于CVs包含了样本中的共同信息,因此CV-MCVSVM在定义中将每个样本减去了CVs的均值,保留了更多的分类信息,进一步提高了抗噪能力。给出了CV-MCVSVM的推导过程。经实验验证,在含有噪音人脸图像的分类问题中,CV-MCVSVM获得了比MCVSVMs和总间隔v-支持向量机(TM-v-SVM)更好的分类性能。 展开更多
关键词 支持向量机(SvM) 最小类内方差支持向量机(MCvSvMs) 总间隔v-支持向量机(TM-v-SvM) 判别公共矢量(DCvs) 公共矢量(Cvs) 人脸识别
下载PDF
基于公共矢量的总间隔v最小类内方差支持向量机在噪音人脸图像分类中的应用
16
作者 杨冰 王士同 《山东大学学报(理学版)》 CAS CSCD 北大核心 2010年第11期5-11,共7页
为提高噪音人脸图像分类问题中的抗噪性能,在综合最小类内方差支持向量机(minimum class variance support vector machines,MCVSVMs)和总间隔v-支持向量机(total margin v support vector machine,TM-v-SVM)的优点的基础上,提出了基于... 为提高噪音人脸图像分类问题中的抗噪性能,在综合最小类内方差支持向量机(minimum class variance support vector machines,MCVSVMs)和总间隔v-支持向量机(total margin v support vector machine,TM-v-SVM)的优点的基础上,提出了基于公共矢量的总间隔v最小类内方差支持向量机(Total margin v minimum class variance support vector machines based on common vectors,TM-v-M(CV)2SVMs)。受公共矢量(commonvectors,CVs)的启发,引入了散度矩阵以进一步提高算法的分类性能和抗噪性能,并给出了TM-v-M(CV)2SVMs的推导过程。经实验证明,在噪音人脸图像的分类问题中,TM-v-M(CV)2SVMs获得了比MCVSVMs和TM-v-SVM更好的分类性能和抗噪性能。 展开更多
关键词 支持向量机 最小类内方差支持向量机 总间隔v-支持向量机 判别公共矢量 公共矢量 人脸识别
原文传递
一种基于双ν支持向量机的异常入侵检测方法 被引量:1
17
作者 包卫东 鲜明 +2 位作者 肖顺平 王国玉 张义荣 《信号处理》 CSCD 北大核心 2007年第4期489-494,共6页
针对实际网络入侵检测中经常遇到的有标定的不均衡数据集,实现了一种基于双ν支持向量机的异常入侵检测方法,其基本思想是对具有不同数目的样本类别赋予不同的惩罚因子,从而使两种类别的分类错误率趋于平衡。基于1999 KDD不均衡数据集... 针对实际网络入侵检测中经常遇到的有标定的不均衡数据集,实现了一种基于双ν支持向量机的异常入侵检测方法,其基本思想是对具有不同数目的样本类别赋予不同的惩罚因子,从而使两种类别的分类错误率趋于平衡。基于1999 KDD不均衡数据集的实验表明,该算法与常规的两分类SVM算法相比,在保持低的误警率的同时,显著提高了对攻击记录的检测率,但对正常样本的检测率略有降低,因此适用于对攻击记录检测更敏感的场合。 展开更多
关键词 异常检测 不均衡数据集 统计学习理论(STL) 双ν支持向量机(dual ν-SvM) 异构值差度量(HvDM)
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部