最新公告
  • 欢迎您光临99源码网,本站秉承服务宗旨 履行“站长”责任,销售只是起点 服务永无止境!立即加入我们
  • 基于SVM和SMO算法的向量机训练算法研究毕业论文

    基于SVM和SMO算法的向量机训练算法研究毕业论文 最后编辑:2021-06-08
    增值服务: 自动发货 使用说明 安装指导 环境配置二次开发BUG修复
    购买后自动跳转百度云,项目自提,轻松方便。
    若有个人部署运行问题,点击右侧客服按钮咨询站长
    站长联系方式
    QQ:3484724101
    淘宝店铺:程序帝

    摘要

    支持向量机是Vapnik等人基于统计学习理论提出的一种新型机器学习方法。由于采用了结构风险最小化原则替代经验风险最小化原则,使它能较好地解决小样本学习问题。又由于采用了核函数思想,使它能把非线性问题转化为线性问题来解决并降低了算法的复杂度,而且它具有很好的通用性,鲁棒性,有效性,计算简单等特点,所以支持向量机己被广泛应用于人脸识别,手写识别,模式分类等领域。但是作为一种新兴技术,支持向量机在很多应用领域的研究还有待探索和完善。支持向量机的训练算法在对大规模的数据集进行训练时,训练时间往往过长、算法复杂而难以实现。

    本文主要对支持向量机训练算法进行了探讨。首先对支持向量机的基本理论进行了介绍。然后对支持向量机的集中训练算法进行了一般描述。接下来重点介绍了一种比较成功的算法:SMO算法。这种算法都很大地提高了大规模训练集的训练速度。本文的主要工作有:

    (1)系统地论述了支持向量机的理论基础,包括统计学习理论基础和支持向量机理论基础。

    (2)对支持向量机的训练算法做系统的介绍。

    (3)着重介绍了SVM训练算法中比较成功的SMO算法做详细的描述,尤其是算法的推导过程。

    关键词:支持向量机;统计学习理论;最优超平面;核函数;二次规划;SMO

    ABSTRACT

    Support Vector Machine (SVM) is a new method of Machine Learning which is proposed by Vapnik and his group based on the statistical learning theory. It can solve small samples learning problems better by using structural risk minimization in place of experiential risk minimization. Because SVM adopts the thought of kernel function, it can change the nonlinear problems into linear problems to reduce the complexity of algorithm. It also has some advantages in the generality, robustness, effectiveness, simple calculation. So it has been widely used in face recognition, handwriting recognition, pattern classification and other fields.But as a new technique,SVM also have many shortcomings that need to be researched, such as: it costs too much time when training large-scale data set and its alogrithm is so difficult to implentmenion.

    In this paper, we main discuss the training alogrithm of SVM. At first, this paper introduced the basic concept of SVM theory. Then we gived a general description of the training alogrithm of SVM. As following, we paid main attention to the successful training alogrithms一SMO. The SMO alogrithm improved the trianing speed on large-scale training set greatly.

    The main work of this article:

    (1)Systematically described the basic concept of SVM theory,including Statistical learning theory and Support vector machine theory.

    (2)Systematically introduced the training alogrithm of SVM.

    (3)Detailed introduction of SMO algorithm which is one of the successful SVM training algorithm, especially for the alogrithm derivation.

    Keywords:Support vector machine; statistical learning theory; optimal hyperplane; nuclear function; quadratic programming; SMO

    目    录

    1. 绪论 1

    1.1支持向量机的研究背景、意义 1

    1.2 SVM算法研究现状 2

    1.3 论文内容及结构安排 4

    2. 统计学习理论基础 4

    2.1 学习问题的表示 4

    2.2 期望风险、经验风险 5

    2.3 学习过程一致性的条件 6

    2.4 VC维理论 7

    2.5 推广性的界 9

    2.6 结构风险最小化 11

    3. 支持向量机理论基础 13

    3.1 最优分类超平面 13

    3.2 线性可分 14

    3.3 线性不可分 16

    3.4 核函数 17

    4. SVM训练算法 18

    4.1 停机准则 19

    4.2 二次规划算法 21

    4.3 分解算法 23

    4.3.1Chunking算法 23

    4.3.2SVMLight算法 24

    4.3.3SMO算法 26

    4.4 增量算法 27

    5. SMO算法 28

    5.1 SMO算法的理论基础 28

    5.2 两变量的二次规划子问题 30

    5.3 一次成功优化后相关变量的更新 34

    5.4 待优化变量的选择及smo算法步骤 36

    基于SVM和SMO算法的向量机训练算法研究毕业论文
    基于SVM和SMO算法的向量机训练算法研究毕业论文
    基于SVM和SMO算法的向量机训练算法研究毕业论文
    基于SVM和SMO算法的向量机训练算法研究毕业论文
    基于SVM和SMO算法的向量机训练算法研究毕业论文
    基于SVM和SMO算法的向量机训练算法研究毕业论文
    基于SVM和SMO算法的向量机训练算法研究毕业论文
    基于SVM和SMO算法的向量机训练算法研究毕业论文

    猜你喜欢

    猜你在找

    99源码网专注代写Java程序,php程序,网站建设,毕业设计,课程设计,代写C/C++程序,代写数据结构,代写ios android程序。除外还代做Web开发、Php网站开发、ASP.NET网站作业等。
    99源码网 » 基于SVM和SMO算法的向量机训练算法研究毕业论文

    常见问题FAQ

    免费下载或者VIP会员专享资源能否直接商用?
    本站所有资源版权均属于原作者所有,这里所提供资源均只能用于参考学习用,请勿直接商用。若由于商用引起版权纠纷,一切责任均由使用者承担。更多说明请参考 VIP介绍。
    提示下载完但解压或打开不了?
    最常见的情况是下载不完整: 可对比下载完压缩包的与网盘上的容量,若小于网盘提示的容量则是这个原因。这是浏览器下载的bug,建议用百度网盘软件或迅雷下载。若排除这种情况,可在对应资源底部留言,或 联络我们.。
    找不到素材资源介绍文章里的示例图片?
    对于PPT,KEY,Mockups,APP,网页模版等类型的素材,文章内用于介绍的图片通常并不包含在对应可供下载素材包内。这些相关商业图片需另外购买,且本站不负责(也没有办法)找到出处。 同样地一些字体文件也是这种情况,但部分素材会在素材包内有一份字体下载链接清单。
    99源码网
    一个专注优质源码分享的平台
    • 2021-06-08Hi,初次和大家见面了,请多关照!

    发表回复

    售后服务:

    • 售后服务范围 1、商业模板使用范围内问题免费咨询
      2、源码安装、模板安装(一般 ¥50-300)服务答疑仅限SVIP用户
      3、单价超过200元的模板免费一次安装,需提供服务器信息。
      付费增值服务 1、提供软件定制、二次开发等服务请详询在线客服
      2、承接系统建站、仿站、开发、定制等服务
      3、服务器环境配置(一般 ¥50-300)
      4、网站中毒处理(需额外付费,500元/次/质保三个月)
      售后服务时间 周一至周日(法定节假日除外) 9:00-23:00
      免责声明 本站所提供的源码等资源仅供学习交流,若使用商业用途,请购买正版授权,否则产生的一切后果将由下载用户自行承担,有部分资源为网上收集或仿制而来,若模板侵犯了您的合法权益,请来信通知我们(Email: 3484724101@qq.com),我们会及时删除,给您带来的不便,我们深表歉意!

    Hi, 如果你对这款软件有疑问,可以跟我联系哦!

    联系作者
    • 6446会员总数(位)
    • 2241资源总数(个)
    • 2本周发布(个)
    • 0 今日发布(个)
    • 1727稳定运行(天)

    提供最优质的资源集合

    立即查看 了解详情