基于新型群智能优化的孪生支持向量机

发布时间：2024-02-14 11:38

　　孪生支持向量机是在支持向量机的基础上产生的机器学习算法,与支持向量机不同,孪生支持向量机是找到两个分类超平面且是不平行的,使得每一类样本尽量靠拢一个超平面,远离另一个超平面。孪生支持向量机将单个大型二次规划问题转化为两个较小的二次规划问题,使得孪生支持向量机的计算速度比支持向量机快约4倍。并且孪生支持向量机能较好解决异或问题,分类性能优于支持向量机。虽然孪生支持向量机的发展时间较短,但是已经成为机器学习领域的一个研究热点,这主要是因为它理论基础牢固且性能表现优异。尽管对孪生支持向量机的研究在算法改进及其应用方面近几年取得了很大的进展,但是在参数选择和运行效率方面的不足之处仍然存在。针对这些问题,本文对孪生支持向量机进行了研究,具体内容如下:针对孪生支持向量机无法很好地选择合适参数,不合适的参数会降低分类能力的问题。本文提出一种基于人工鱼群算法的孪生支持向量机(Twin Support Vector Machine based on Artificial Fish Swarm Algorithm,AFSA-TWSVM),该算法将人工鱼群算法和孪生支持向量机结合来解决参数选择困难的问题。首...

【文章页数】：68 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
abstract
变量注释表
1 绪论
    1.1 课题来源
    1.2 研究背景及意义
    1.3 研究现状
    1.4 论文研究内容及组织结构
2 基础理论
    2.1 统计学习理论
    2.2 支持向量机
    2.3 孪生支持向量机
    2.4 本章小结
3 基于人工鱼群算法的孪生支持向量机
    3.1 人工鱼群算法
    3.2 基于人工鱼群算法的孪生支持向量机
    3.3 实验结果及分析
    3.4 本章小结
4 基于蝴蝶优化算法的孪生支持向量机
    4.1 蝴蝶优化算法
    4.2 基于蝴蝶优化算法的孪生支持向量机
    4.3 实验结果及分析
    4.4 本章小结
5 总结和展望
    5.1 总结
    5.2 展望
参考文献
作者简历
学位论文数据集



本文编号：3898040