支持向量機(jī)建模方法的研究.pdf

1、支持向量機(jī)是Vapnik教授領(lǐng)導(dǎo)的研究小組于上世紀(jì)末提出的一種機(jī)器學(xué)習(xí)的新方法，是統(tǒng)計(jì)學(xué)習(xí)理論的核心部分，是處理小樣本學(xué)習(xí)的有效工具。支持向量機(jī)作為統(tǒng)計(jì)學(xué)習(xí)理論的實(shí)現(xiàn)方法，能很好地解決非線性和高維數(shù)問(wèn)題，克服了神經(jīng)網(wǎng)絡(luò)方法收斂慢、解不穩(wěn)定、推廣性差的缺點(diǎn)，近年來(lái)得到了廣泛地研究，在模式識(shí)別、信號(hào)處理、控制、通訊等方面得到了廣泛地應(yīng)用。因此，研究支持向量機(jī)的理論和應(yīng)用問(wèn)題具有重要的理論與現(xiàn)實(shí)意義。
　　 回歸估計(jì)是支持向量機(jī)方法的

2、重要研究領(lǐng)域，本文以支持向量機(jī)理論為基礎(chǔ)，對(duì)回歸問(wèn)題的方法進(jìn)行了研究。全文共分六章，具體內(nèi)容如下：
　　 1.介紹了機(jī)器學(xué)習(xí)領(lǐng)域中統(tǒng)計(jì)學(xué)習(xí)理論的基本思想和方法，進(jìn)一步詳細(xì)說(shuō)明了結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理，同時(shí)，對(duì)支持向量機(jī)的發(fā)展進(jìn)行了概括性的總結(jié)；
　　 2.在深入分析支持向量機(jī)基本原理的基礎(chǔ)上，對(duì)目前的支持向量機(jī)的改進(jìn)算法進(jìn)行了總結(jié)，同時(shí)，將各種算法與傳統(tǒng)算法進(jìn)行了比較；
　　 3.針對(duì)非線性建模問(wèn)題，提出一種新的支持

3、向量機(jī)核函數(shù)構(gòu)造方法，對(duì)高斯核函數(shù)在支持向量密集處擬合效果差的缺點(diǎn)進(jìn)行了改進(jìn)，仿真研究結(jié)果顯示，新方法可以一定程度上減少泛化誤差；
　　 4.提出了一種基于Fisher判別率的支持向量機(jī)回歸算法。該方法通過(guò)引入樣本內(nèi)部相似程度的判別因子來(lái)減少樣本錯(cuò)分幾率，理論分析與仿真實(shí)驗(yàn)均驗(yàn)證了算法的有效性5.提出了一種新的用于回歸的支持向量機(jī)增量算法。該算法與傳統(tǒng)算法相比，可以在滿足模型精度要求的基礎(chǔ)上，明顯地提高算法的計(jì)算速度。