資源描述:
《基于支持向量機(jī)模型的系統(tǒng)辯識與分類預(yù)測方法研究》由會員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、ResearchontheMethodsofSystemIdentificaitonandPatternClassifictionBasedontheSVMModelsAdissertationsubmittedtoTongjiUniversityinpartialfulfillmentoftherequirementforPostdoctoralByYangLeiManagementScienceandEngineerCooperationSupervisor:Prof.MaweiminJune20lO摘要題目:基于支持向量
2、機(jī)模型的系統(tǒng)辯識與分類預(yù)測方法研究專業(yè):管理科學(xué)與工程博士后:楊磊合作導(dǎo)師:馬衛(wèi)民教授摘要模式分類與預(yù)測是統(tǒng)計(jì)決策、模式識別與人工智能,及信號檢測等領(lǐng)域的重要研究內(nèi)容之一。模式分類的經(jīng)典統(tǒng)計(jì)方法包括統(tǒng)計(jì)檢驗(yàn)假設(shè)法、Bayes判別法、Fisher判別法,對數(shù)線性回歸模型等參數(shù)化方法。經(jīng)典統(tǒng)計(jì)判別方法通常假設(shè)樣本充分大,而實(shí)際問題中對象的樣本一般是有限甚至很少的。因此,近年來基于樣本數(shù)據(jù)驅(qū)動的人工神經(jīng)網(wǎng)絡(luò)、聚類分析方法、支持向量機(jī)(SupportVectorMachines,SVM)等非參數(shù)化模式分類判別模型成為模式識別領(lǐng)域的研究
3、熱點(diǎn)。本文基于支持向量機(jī)模型研究非線性系統(tǒng)辯識和模式分類預(yù)測問題,包括結(jié)合多尺度小波近似理論,提出以多尺度小波函數(shù)作為核函數(shù)的支持向量機(jī)系統(tǒng)辯識方法;在新型支持向量機(jī).支持向量域描述模型的基礎(chǔ)上建立了兩類分類和多類分類模型,并提出新的分類預(yù)測決策函數(shù);在模型參數(shù)計(jì)算方法上,提出更加嚴(yán)格的含有非負(fù)約束條件的二次優(yōu)化乘性更新迭代改進(jìn)算法。研究的具體內(nèi)容包括如下四個方面:①在基于支持向量機(jī)在非線性系統(tǒng)辯識方面,文獻(xiàn)主要基于固定尺度小波函數(shù)。最小二乘支持向量機(jī)是一種改進(jìn)的支持向量機(jī)模型,使用等式約束條件而不是基本支持向量機(jī)中的不等式約
4、束條件以簡化對模型的求解過程??紤]最小二乘支持向量機(jī)的優(yōu)點(diǎn),使用含有不同分辨率的多尺度小波函數(shù)作為核函數(shù)與正則化理論第二章構(gòu)造了多尺度小波支持向量機(jī)回歸模型,建立了非線性系統(tǒng)辯識新方法。與固定尺度小波支持向量機(jī)與小波神經(jīng)網(wǎng)絡(luò)系統(tǒng)辯識模型比較仿真結(jié)果說明提出方法更加精確,基于支持向量機(jī)的系統(tǒng)辨識方法提高了泛化能力。②對于支持向量機(jī)在模式分類問題中的應(yīng)用,本文基于支持向量域描述模型提出了兩類分類和多類分類問題的新方法?;局С窒蛄坑蚰P椭饕獞?yīng)用于對單類數(shù)據(jù)的描述和奇異點(diǎn)檢測,特點(diǎn)是使用超球體的表面邊界對數(shù)據(jù)進(jìn)行描述。基本支持向量域
5、描述模型計(jì)算的目標(biāo)是在其他類樣本數(shù)據(jù)位于超球體外部的條件下求解包含正類樣本數(shù)據(jù)的最小半徑超球體的球心位置和半徑。該問題是一個含有約束條件的二次規(guī)劃問題。對于該二次規(guī)劃數(shù)學(xué)模型的計(jì)算,第三章提出了非負(fù)二次優(yōu)化乘性更新迭代改進(jìn)算使原來算法更加嚴(yán)格,并證明了算法收斂性。③對于兩類分類預(yù)測問題,第四章提出一種基于支持向量域描述模型與相對距離概念的Twin-支持向量域分類方法。支持向量域描述模型的分類原理是通過對數(shù)據(jù)描述的超球?qū)崿F(xiàn)分類。受到Twin-支持向量機(jī)的啟發(fā),對于兩類分類問題,利用兩類數(shù)據(jù)樣同濟(jì)大學(xué)博士后研究工作報(bào)告本的信息,構(gòu)
6、造兩個優(yōu)化的超球分別描述正類與負(fù)類數(shù)據(jù)。進(jìn)而基于相對距離概念,提出新的決策函數(shù)實(shí)現(xiàn)對樣本的分類與預(yù)測。最后給出兩組實(shí)驗(yàn)結(jié)果說明提出分類方法提高了分類準(zhǔn)確性。④對于多類分類問題,與Twin.支持向量域描述模型類似地使用每一個優(yōu)化的超球來描述每一類數(shù)據(jù)樣本,從而建立多類支持向量域描述模型。接著利用多類支持向量域模型參數(shù)基于萬有引力概念,結(jié)合現(xiàn)有分類決策函數(shù),提出了一種新的直接分類的決策函數(shù),該決策函數(shù)同時考慮了三方面的因素,即樣本數(shù)、新樣本到超球的距離,以及超球的大小。實(shí)驗(yàn)結(jié)果說明提出分類方法的有效性。關(guān)鍵詞:系統(tǒng)辯識;支持向量機(jī)
7、;支持向量域;分類預(yù)測論文類型:應(yīng)用基礎(chǔ)資助申明:本研究得到國家第44批博士后基金二等資助ABSTRACTTitle:ResearchontheMethodsofSystemldentificaitonandPatternClassifictionBasedontheSVMModelsSpeciality:ManagementScienceandEngineerAuther:YangLeiCooperationSupervisor:Prof.MaweiminABSTRACTPatternclassificationandpre
8、dictionaremianproblemsinstatisticaldecision,patternrecognitionandartificialintelligence,signaldetectionandestimation.Classicalstatisticalm