資源描述：
《基于魯棒性的支持向量機(jī)增量學(xué)習(xí)的研究》由會(huì)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(kù)。
1、分類號(hào)TP399學(xué)校代碼10495ＵＤＣ004.9密級(jí)公開碩士學(xué)位論文基于魯棒性的支持向量機(jī)增量學(xué)習(xí)的研究作者姓名：李魯英學(xué)號(hào)：1515063006指導(dǎo)教師：同小軍教授學(xué)科門類：理學(xué)專業(yè)：計(jì)算機(jī)科學(xué)與技術(shù)研究方向：機(jī)器學(xué)習(xí)與模式識(shí)別完成日期：二零一八年六月WuhanTextileUniversityM.E.DissertationResearchonincrementallearningofsupportvectormachinebasedonRobustnessCandidate：LiLuyingSupervisor：Prof.To
2、ngXiaojunTime:June2018獨(dú)創(chuàng)性聲明本人鄭重聲明：所呈交的學(xué)位論文，是本人在導(dǎo)師的指導(dǎo)下，獨(dú)立進(jìn)行研究工作所取得的成果。除文中已經(jīng)注明引用的內(nèi)容外，本論文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫過(guò)的作品成果。對(duì)本文的研究作出重要貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式標(biāo)明。本聲明的法律結(jié)果由本人承擔(dān)。學(xué)位論文作者簽名：簽字日期：年月日學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解武漢紡織大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定。特授權(quán)武漢紡織大學(xué)可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，并采用影印、縮印或掃描等復(fù)制手段
3、保存、匯編以供查閱和借閱。同意學(xué)校向國(guó)家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和磁盤。（保密的學(xué)位論文在解密后適用本授權(quán)說(shuō)明）學(xué)位論文作者簽名：導(dǎo)師簽名：簽字日期：年月日簽字日期：年月日摘要支持向量機(jī)（SupportVectorMachine，SVM）是在20世紀(jì)90年代由Vapnik提出的，最初的支持向量機(jī)是為了解決小樣本的數(shù)據(jù)，經(jīng)過(guò)多年的發(fā)展，支持向量機(jī)在回歸分析領(lǐng)域被廣泛應(yīng)用，并被用在了人臉識(shí)別、手寫數(shù)字分類等特征識(shí)別領(lǐng)域。但是，隨著科技的發(fā)展，傳統(tǒng)的支持向量機(jī)已經(jīng)無(wú)法滿足當(dāng)前大規(guī)模數(shù)據(jù)量的分類，為了更好的適用于大規(guī)模的數(shù)據(jù)分類，支持向
4、量機(jī)增量學(xué)習(xí)算法應(yīng)運(yùn)而生。支持向量機(jī)增量學(xué)習(xí)通過(guò)不斷加入新的樣本集，不斷的調(diào)整支持向量集和分類超平面，能夠更好的提取樣本集的特征集，使得分類效果更好，但是在增量學(xué)習(xí)的過(guò)程中會(huì)存在以下問(wèn)題，由于支持向量的數(shù)量會(huì)隨著增量樣本的增加而增加，所以，會(huì)導(dǎo)致分類器在分類的時(shí)候有誤差；如果舍棄部分對(duì)分類超平面沒有影響的向量，在此后的訓(xùn)練中，這部分向量可能會(huì)成為支持向量，這樣也會(huì)對(duì)分類效果產(chǎn)生影響。本文采用基于模糊C均值聚類和中心密度的支持向量機(jī)增量學(xué)習(xí)算法，利用模糊C均值聚類判定支持向量，得出精選支持向量集；利用中心密度比值判定非支持向量得出精選非
5、支持向量集。分別將原樣本中構(gòu)建分類超平面得出的支持向量集加上增量樣本中的支持向量集構(gòu)建分類器，將原樣本中的精選支持向量集和增量學(xué)習(xí)樣本中的支持向量集，將原樣本中的支持向量集和精選非支持向量集加上增量樣本中的精選支持向量集和精選非支持向量集構(gòu)建分類器，將原樣本中的精選支持向量集和精選非支持向量集加上新增樣本中的精選支持向量集和精選非支持向量集構(gòu)建分類器。通過(guò)對(duì)以上四種情況分類效率和分類效果的對(duì)比，研究非支持向量對(duì)支持向量增量學(xué)習(xí)魯棒性的影響，并最終得出本論文的結(jié)論。關(guān)鍵詞：支持向量機(jī)，增量學(xué)習(xí)，模糊C均值聚類，中心密度比值研究類型：應(yīng)用
6、研究AbstractSupportvectormachine(SupportVectorMachine,SVM)isproposedbyVapnikin1990s,thesupportvectormachineisthefirsttosolvethesmallsampledata,afteryearsofdevelopment,thesupportvectormachinehasbeenwidelyusedintheregressionanalysis,andwasusedinthefacerecognition,handwritte
7、nnumeralclassificationrecognition.However,withthedevelopmentofscienceandtechnology,thetraditionalsupportvectormachinehasbeenunabletomeetthecurrentmassdataclassification.Inordertobetterapplytolarge-scaledataclassification,supportvectormachineincrementallearningalgorithma
8、risesatthehistoricmoment.Bycontinuouslyaddingnewlearningsamplesetincrementalsupportvectormachine,continuousadj
