雙支持向量機(jī)的改進(jìn)及其應(yīng)用
|
資料類別
|
電子電工畢業(yè)論文(設(shè)計(jì)) |
|
課程(專業(yè))
|
通信系統(tǒng)數(shù)字信號處理 |
關(guān)鍵詞
|
雙支持向量機(jī)|最小二乘 |
適用年級
|
研究生 |
身份要求
|
普通會員 |
金 幣
|
20 (金幣如何獲得?) |
文件格式
|
caj |
文件大小
|
3486K |
發(fā)布時間
|
2014-09-01 16:00:00 |
預(yù)覽文件
|
無 |
下載次數(shù)
|
0 |
發(fā)布人 |
kj008 |
內(nèi)容簡介:
雙支持向量機(jī)的改進(jìn)及其應(yīng)用(碩士學(xué)位論文),共52頁。
摘要
雙支持向量機(jī)(Twin Support Vector Machines,TWSVM)最早由 Jayadeva教授等人丁? 2007年提出,其基本思想是產(chǎn)生兩個非、|’:行的分類面,讓每一類都接近于相對應(yīng)的分類而,而遠(yuǎn)離另一分類面。作為一種新穎的支持向量機(jī),它與經(jīng)典的支持向量機(jī)(Support Vector Machines,SVM)最主要的區(qū)別在于將傳統(tǒng)的一個大的凸二次規(guī)劃問題轉(zhuǎn)化為兩個小的凸二次規(guī)劃問題,擁有兩個判別曲線,對同等樣本集的訓(xùn)練速度比經(jīng)典支持向量機(jī)快4倍左右。
雙支持向量機(jī)在最近幾年的發(fā)展非常迅速,近年來成功地應(yīng)用丁?模式識別、數(shù)據(jù)分類和凼數(shù)擬合等領(lǐng)域。本文對雙支持向量機(jī)進(jìn)行了深入研究,進(jìn)-步延仲到最小 二乘雙支持向量機(jī)(Least Squares Twin Support Vector Machines ,LSTSVM),并且提出了一種新型的最小二乘雙支持向fi機(jī)的數(shù)學(xué)模型及其增fi學(xué)習(xí)方法。此外,將這種新型的數(shù)學(xué)模型應(yīng)用于認(rèn)知無線電信號調(diào)制方式的識別,獲得了較高的識別率。
論文的主要工作如卜:
(1)分析研究了 TWSVM和LSTSVM兩種新的分類算法。研究了兩種算法的基本原理,對于TWSVM和LSTSVM建立數(shù)學(xué)模型,并將這兩種新的分類算法通過在多組UCI數(shù)據(jù)上的實(shí)驗(yàn),與傳統(tǒng)支持向量機(jī)的性能進(jìn)行了到比,證明它們具有良好的泛化能力。
(2)基于LSTSVM,提出了一種改進(jìn)型的最小二乘雙支持向量機(jī)分類算法ILSTSVM及其增量學(xué)習(xí)形式IILSTSVM。根據(jù)LSTSVM的數(shù)學(xué)模型,提出了 ?種改性型的分類算法丨LSTSVM,通過多組實(shí)驗(yàn)與LSSVM和LSTSVM進(jìn)行了對比,證明其具有較好的識別率。此夕卜,提出了丨LSTSVM的增量學(xué)習(xí)形式IILSTSVM,并將其與傳統(tǒng)SVM的增量學(xué)習(xí)算法1SVM進(jìn)行了對比,證明這種在線學(xué)習(xí)算法在低維空間中其有良好的性能。
(3 )將ILSTSVM及HLSTSVM用于認(rèn)知無線電系統(tǒng)信弓?調(diào)制方式的識別頻譜感知是認(rèn)知無線電系統(tǒng)的關(guān)鍵技術(shù)之?、無線電信號調(diào)制方式識別是頻譜感知的一項(xiàng)重要內(nèi)容。本文將改進(jìn)的最小二乘雙支持向ffl機(jī)ILSTSVM及其增
量學(xué)習(xí)算法11LSTSVM應(yīng)用于認(rèn)知無線電系統(tǒng)的倍號調(diào)制方式識別,獲得了&好的識別率。
關(guān)鍵詞:雙支持向量機(jī),最小二乘雙支持向量機(jī),增量學(xué)習(xí),頻譜感知
目錄
中文摘要 I
Abstract Ill
第一章弓丨言 1
1.1選題背景及研究意義 1
1.2國內(nèi)外研究現(xiàn)狀及分析 2
1.3本文的研究內(nèi)容 4
第二章雙支持向量機(jī)理論 6
2. 1非平行超平面現(xiàn)論 6
2. 2廣義特征值臨近支持向量機(jī) 7
2. 3雙支持向量機(jī) 8
2.3.1線性雙支持向量機(jī) 9
2 3.2非線性雙支持向量機(jī) 10
2. 4最小二乘雙支持向量機(jī) 12
2.4. 1線性最小二乘雙支持向量機(jī) 12
2.4.2非線性最小二乘雙支持向量析 14
2. B對比數(shù)據(jù)實(shí)驗(yàn)及性能分析 15
2. 5. 1交叉數(shù)據(jù)實(shí)驗(yàn) 15
2. 5. 2泛化實(shí)驗(yàn) 16
第三章改進(jìn)型最小二乘雙支持向量機(jī)及其增量學(xué)習(xí)算法 18
3. 1改進(jìn)型最小二乘雙支持向量機(jī)理論 18
3. 1. 1 線性 ILSTSVM 18
3. 1.2 非線性 ILSTSVM 20
3.2增量學(xué)習(xí)理論 21
3.3 ILSTSVM 增量學(xué)習(xí) 21
3.3.1 ILSTSVM 的增量學(xué)習(xí)(IILSTSVM)22
3. 3. 2算法流程 23
3. 4數(shù)據(jù)實(shí)驗(yàn)及性能分析 25
3. 4. 1 ILSTSVM 與 LSTSVM, LSSVM 的對比實(shí)驗(yàn) 25
3.4.2 ILSTSVM增量學(xué)習(xí)與SVM增量學(xué)習(xí)的對比實(shí)驗(yàn) 28
第四章ILSTSVM及IILSTSVM在無線電信號調(diào)制方式識別上的應(yīng)用 30
4. 1認(rèn)知無線電系統(tǒng)中的頻譜感知 30
4. 2循環(huán)譜理論 31
4. 2. 1循環(huán)譜的定義 31
4. 2. 2譜相關(guān)函數(shù)的計(jì)算 32
4.3 ILSTSVM在無線電信兮調(diào)制方式識別上的應(yīng)用 33
4. 3. 1數(shù)據(jù)預(yù)處理 33
4. 3. 2特征值提取 33
4.3.3分類器結(jié)構(gòu)設(shè)計(jì) 33
4. 4 IILSTSVM在無線電信號調(diào)制方式識別上的應(yīng)用 34
4. 5仿真實(shí)驗(yàn)及性能分析 35
4. 5. 1數(shù)據(jù)預(yù)處理的仿真 35
4. 5. 2特征值提取 36
4. 4. 3算法性能測試 37
第五章總結(jié)與展望 39
在學(xué)期間的研究成果 43
相關(guān)說明:
1. 如您下載的資料不止一份,建議您注冊成為本站會員。會員請登錄后下載。
2. 會員購買金幣50元以下,0.7元/個,50元以上,0.5元/個。具體請看:下載與付款。
3. 會員48小時內(nèi)下載同一文件,不重復(fù)扣金幣。
4. 下載后請用WinRAR或 WinZIP解壓縮后使用。
5. 如仍有其他下載問題,請看常見問題解答。
下載地址:
|
|
相關(guān)畢業(yè)論文(設(shè)計(jì)) |
|
推薦畢業(yè)論文(設(shè)計(jì)) |
|
|
|
|