光滑技术在监督和半监督数据分类中的应用

摘要

本文主要研究了光滑技术在监督和半监督数据分类中的应用.主要内容涉及两个方面:一是监督学习情况下,光滑技术对投影孪生支持向量机(PTSVM)的应用以及不同的光滑函数对其产生的分类效果的比较;二是在半监督学习情况下,提出了拉普拉斯投影孪生支持向量机(Lap-PTSVM),并在此基础上应用光滑技术,形成一种新的半监督分类方法——拉普拉斯光滑投影孪生支持向量机(Lap-SPTSVM).
　　第一章主要回顾了支持向量机(SVM)、光滑支持向量机(SSVM)、孪生支持向量机(TSVM)和光滑孪生支持向量机(STSVM)四种分类方法的思想和求解方法.
　　第二章为了加强 PTSVM的分类性能,将光滑技术融入其中,并提出线性和非线性光滑投影孪生支持向量机(SPTSVM).为验证所提模型的有效性,利用UCI和NDC数据库中的16个数据集进行了一系列的比较实验,实验结果表明SPTSVM是一种高效的分类方法.
　　第三章介绍了八个不同的光滑函数,并比较了它们对 SPTSVM分类性能的影响.实验结果表明,不同的光滑函数对SPTSVM的分类效果不同.因此,光滑函数的选择可以影响分类器的分类性能和推广能力.
　　第四章针对半监督分类问题提出了Lap-PTSVM,并利用UCI数据库中的10个数据集验证了其有效性.实验结果表明Lap-PTSVM是一种有效的半监督分类方法.
　　第五章为了进一步提高Lap-PTSVM的分类性能,使用光滑技术将其改进,进而形成一种新的半监督分类方法——拉普拉斯光滑投影孪生支持向量机(Lap-SPTSVM).实验结果表明所提算法是一种高效的半监督分类方法.

目录

封面

声明

中文摘要

英文摘要

目录

前言

第一章 预备知识

1.1 线性SVM (SVM)

1.2 线性光滑SVM (SSVM)

1.3 线性孪生SVM (TSVM)

1.4 线性光滑TSVM (STSVM)

1.5 核函数

第二章 光滑技术在PTSVM中的应用

2.1投影TSVM (PTSVM)

2.2 光滑投影TSVM (SPTSVM)

2.3 实验分析

2.4 结论

第三章 光滑函数对SPTSVM的影响

3.1 光滑投影TSVM (SPTSVM)

3.2 八种光滑函数

3.3 实验分析

3.4 结论

第四章 半监督投影TSVM

4.1 相关研究成果

4.2 拉普拉斯投影TSVM (Lap-PTSVM)

4.3 实验分析

4.4 结论

第五章 光滑技术在半监督投影TSVM中的应用

5.1 线性Lap-SPTSVM

5.2 非线性Lap-SPTSVM

5.3 实验分析

5.4 结论

参考文献

致谢

攻读硕士学位期间发表的学术论文