基于动态筛选策略的SMO改进算法

来源 :华东理工大学学报(自然科学版) | 被引量 : 0次 | 上传用户:zilianyy
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
提出了一种基于动态筛选策略的SMO(Sequential Minimal Optimization)改进算法,它能快速地筛选出绝大多数的边界支持向量和非支持向量,并将非边界支持向量限定在很小的范围内。仿真实验结果表明:样本规模无论大小,这种策略都能使Keerthi的改进算法2的性能得到大幅提升。
其他文献
介绍了一种与支持向量机(SVM)函数形式相同的稀疏概率模型——关联向量机(RVM),其训练是在贝叶斯框架下进行的,在处理具有噪声的函数回归时,RVM具有很出色的性能。与SVM相比不仅解更稀疏,而且无需调整模型参数,核函数选择也不受限制。将RVM应用于PTA装置溶剂脱水塔塔顶塔底组分软测量建模,仿真结果表明:该方法预测精度较高,具有一定的应用价值。
针对基于粗糙熵的图像分割算法不能满足复杂图像的多类目标提取的需要,本文先利用K-均值聚类算法对图像进行区域分割,再利用基于粗糙熵的方法对分割结果进行目标提取,从而达到多阈值分割的目的。通过对遥感图像进行分割处理,证明了改进后算法的有效性。
以悬挂式转子的111锥滚子支承轴承为研究对象,根据Hertz接触理论得出了沿圆锥滚子母线方向的弹性变形量表达式;根据弹性流体动力润滑的Dowson—Higginson油膜厚度公式得出了沿
为了解决单个SVM可能产生的泛化能力恶化问题以及当SVM采用一对多组合策略解决多类分类时可能产生的误差无界情况,本文采用Bagging方法构造了一个基于SVM的多类分类集成模型,
针对最小二乘支持向量机的参数选取问题,引入了克隆选择算法,提出了一种基于改进克隆选择算法的最小二乘支持向量机。同时根据最小二乘支持向量机的学习能力和泛化能力,在克
信息融合数据源的聚类分析对于信息融合过程的算法管理具有重要意义。本文首先提出一种多粒度模糊聚类方法对采集的数据源样本进行聚类分析,得到样本的聚类树。在此基础上,提出
为有效克服线性建模方法在非线性建模方面的不足,将核函数思想引入到主元分析方法(PCA)中,有效提取实验数据中的非线性特征信息,并将其作为支持向量机(SVM)的输入变量,建立工业过程软测量模型。该方法应用于丙烯腈聚合过程中转化率的预报,结果表明:该方法的预测精度优于PCA-SVM方法和KPCA-NN方法。
基于对成本构成的分析,建立了适用于多工件调度的成本运算模型,适当地处理了调度过程和加工参数选择之间的关系,然后对模型应用遗传算法,并通过Matlab编程将算法实现。计算结果可
利用比重瓶和乌氏粘度计,测定了288.15~303.15K条件下甲醇-乙二醇二元混合液的密度和粘度,并拟合了密度、粘度与组成和温度的计算方程。分别计算了超额摩尔体积和超额粘度,在实验
介绍了离心流动超细粉碎机的工作原理和特征,并由广义的运动微分方程推导出离心流动超细粉碎机中粉碎球的运动方程,进而总结出离心流动超细粉碎机设计中最重要的设计参数——最