双支持向量机的改进及其应用 [复制链接]

资料简介：
双支持向量机的改进及其应用（硕士学位论文），共52页。
摘要
双支持向量机(Twin Support Vector Machines,TWSVM)最早由 Jayadeva教授等人丁? 2007年提出,其基本思想是产生两个非、|’:行的分类面,让每一类都接近于相对应的分类而,而远离另一分类面。作为一种新颖的支持向量机,它与经典的支持向量机(Support Vector Machines,SVM)最主要的区别在于将传统的一个大的凸二次规划问题转化为两个小的凸二次规划问题,拥有两个判别曲线,对同等样本集的训练速度比经典支持向量机快4倍左右。
双支持向量机在最近几年的发展非常迅速,近年来成功地应用丁?模式识别、数据分类和凼数拟合等领域。本文对双支持向量机进行了深入研究,进-步延仲到最小 二乘双支持向量机(Least Squares Twin Support Vector Machines ,LSTSVM),并且提出了一种新型的最小二乘双支持向fi机的数学模型及其增fi学习方法。此外,将这种新型的数学模型应用于认知无线电信号调制方式的识别,获得了较高的识别率。
论文的主要工作如卜br />(1)分析研究了    TWSVM和LSTSVM两种新的分类算法。研究了两种算法的基本原理,对于TWSVM和LSTSVM建立数学模型,并将这两种新的分类算法通过在多组UCI数据上的实验,与传统支持向量机的性能进行了到比,证明它们具有良好的泛化能力。
(2)基于LSTSVM,提出了一种改进型的最小二乘双支持向量机分类算法ILSTSVM及其增量学习形式IILSTSVM。根据LSTSVM的数学模型,提出了 ?种改性型的分类算法丨LSTSVM,通过多组实验与LSSVM和LSTSVM进行了对比,证明其具有较好的识别率。此夕卜,提出了丨LSTSVM的增量学习形式IILSTSVM,并将其与传统SVM的增量学习算法1SVM进行了对比,证明这种在线学习算法在低维空间中其有良好的性能。
(3 )将ILSTSVM及HLSTSVM用于认知无线电系统信弓?调制方式的识别频谱感知是认知无线电系统的关键技术之?、无线电信号调制方式识别是频谱感知的一项重要内容。本文将改进的最小二乘双支持向ffl机ILSTSVM及其增
量学习算法11LSTSVM应用于认知无线电系统的倍号调制方式识别,获得了&好的识别率。
关键词:双支持向量机,最小二乘双支持向量机,增量学习,频谱感知

目录
中文摘要    I
Abstract    Ill
第一章弓丨言    1
1.1选题背景及研究意义    1
1.2国内外研究现状及分析    2
1.3本文的研究内容    4
第二章双支持向量机理论    6
2. 1非平行超平面现论    6
2. 2广义特征值临近支持向量机    7
2. 3双支持向量机    8
2.3.1线性双支持向量机    9
2 3.2非线性双支持向量机    10
2. 4最小二乘双支持向量机    12
2.4. 1线性最小二乘双支持向量机    12
2.4.2非线性最小二乘双支持向量析    14
2.    B对比数据实验及性能分析    15
2. 5. 1交叉数据实验    15
2.    5. 2泛化实验    16
第三章改进型最小二乘双支持向量机及其增量学习算法    18
3.    1改进型最小二乘双支持向量机理论    18
3.    1. 1 线性 ILSTSVM    18
3. 1.2 非线性 ILSTSVM    20
3.2增量学习理论    21
3.3 ILSTSVM 增量学习    21
3.3.1 ILSTSVM 的增量学习(IILSTSVM)22
3. 3. 2算法流程    23
3.    4数据实验及性能分析    25
3.    4. 1 ILSTSVM 与 LSTSVM, LSSVM 的对比实验    25
3.4.2 ILSTSVM增量学习与SVM增量学习的对比实验    28
第四章ILSTSVM及IILSTSVM在无线电信号调制方式识别上的应用    30
4.    1认知无线电系统中的频谱感知    30
4. 2循环谱理论    31
4.    2. 1循环谱的定义    31
4. 2. 2谱相关函数的计算    32
4.3 ILSTSVM在无线电信兮调制方式识别上的应用    33
4. 3. 1数据预处理    33
4. 3. 2特征值提取    33
4.3.3分类器结构设计    33
4. 4 IILSTSVM在无线电信号调制方式识別上的应用    34
4. 5仿真实验及性能分析    35
4. 5. 1数据预处理的仿真    35
4. 5. 2特征值提取    36
4. 4. 3算法性能测试    37
第五章总结与展望    39
在学期间的研究成果    43

资料文件预览：
共1文件夹，1个文件，文件总大小：3.59MB，压缩后大小：3.44MB

• 双支持向量机的改进及其应用
• 双支持向量机的改进及其应用_刘凯.caj  [3.59MB]