QQ客服 官方微博 反馈留言

题名	支持向量机算法与参数研究; The research of Algorithm and Parameters of SVM
作者	万海华
答辩日期	2016-12-20 ; 2016-05-16
导师	李安
关键词	最优化 K近邻 参数 Optimization K-nearest neighbor method Parameters
英文摘要	随着支持向量机的研究日趋完善，以及支持向量机的优越的建模能力，并且在克服“维数灾难”以及“过学习”方面较其他模型表现更良好，越来越多的学者对支持向量机进行了研究，并成功地将支持向量机运用到很多的领域.支持向量机的算法和参数的选取一直以来都是很热门的研究方向.本文对支持向量的选取以及核函数参数和惩罚参数进行了研究. 在理论方面，本文从最优化的角度，给出了支持向量机的对偶问题的推导过程，并给出了对偶问题的优化性质的证明. 在算法的研究方面，本文提出了一种通过K近邻的方法找出支持向量的方法.支持向量机的最优超平面主要是由支持向量决定的，通过定位出支持向量，可以大大地加快支持向量机的训练过...; With the increasingly perfect the study of the support vector machine (SVM), and support vector machine is superior ability of modeling, and overcome the "dimension disaster" and "over-learning" is more good performance than other models, more and more scholars studied the support vector machine (SVM), and successfully will support vector chance use a lot of fields. Support vector machine (SVM) al...; 学位：理学硕士; 院系专业：数学科学学院_运筹学与控制论; 学号：19020131152684
语种	zh_CN
出处	http://210.34.4.13:8080/lunwen/detail.asp?serial=57543
内容类型	学位论文
源URL	[http://dspace.xmu.edu.cn/handle/2288/133902]
专题	数学科学－学位论文
推荐引用方式 GB/T 7714	万海华. 支持向量机算法与参数研究, The research of Algorithm and Parameters of SVM[D]. 2016, 2016.

个性服务

查看访问统计

相关权益政策

暂无数据

收藏/分享

除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。