轉導支持向量機在數(shù)據(jù)預測中的應用.pdf

1、近些年來,支持向量機(Support Vector Machine)技術作為一種機器學習的方法得到了越來越多的研究與應用。本文意在以支持向量機技術為基礎進行三個方面的擴展應用研究,包括使用支持向量機回歸進行海水潮流速度的預測、使用轉導支持支持向量進行紋理合成及使用轉導支持向量機方法與決策樹方法相結合的方法進行物體識別。這三個方向本質都是支持向量機理論在數(shù)據(jù)預測方面的應用,展示了其在數(shù)據(jù)預測方面的應用前景和價值。
　　 在海水潮流

2、速度預測方面,本文創(chuàng)新性的使用了支持向量機回歸的理論。支持向量機回歸理論主要應用于文本分類、人臉識別、手寫數(shù)字識別等方面,在海洋學范疇內的應用甚少。而海洋是人類的資源寶庫,能為人類提供大量的水產(chǎn)品,海水的潮流速度對水產(chǎn)養(yǎng)殖有著十分重要的影響。面對惡劣的海洋環(huán)境和出海的高額成本,以及海洋學研究對數(shù)據(jù)的大量需求,本文選擇使用支持向量機回歸的方法進行了潮流速度預測的研究。
　　 在紋理合成方面,本文創(chuàng)新性的使用了轉導支持向量機進行自相

3、似紋理的合成。而紋理合成是有著廣闊應用前景的研究方向,對紋理合成的方法進行不斷的探索和創(chuàng)新有著極為重要的現(xiàn)實意義。本文在使用轉導支持向量機進行自相似紋理合成的過程中,選擇使用一定的先驗知識,用以減少標記樣本的數(shù)目,而且標記樣本的數(shù)目可以由自己主觀決定。本文同時使用未標記的樣本和有標記的樣本進行學習訓練,并在不斷的重復訓練過程中將沒有類標的樣本標記合適的類標,從而在合成的速度上有較為理想的提高,故而,與傳統(tǒng)的支持向量機紋理合成方法相比,我

4、們的合成方法有一定的創(chuàng)新意義和使用價值。
　　 在物體識別方面,本文使用了將轉導支持向量機與決策樹相結合的方法進行物體識別分類。而物體識別在智能安全監(jiān)控,智能交通監(jiān)控中發(fā)揮著舉足輕重的作用,近年來出現(xiàn)了多種物體識別的方法。本文提出了在使用轉導支持向量機進行物體識別的過程中,使用HOG特征與Garbor特征,并結合動態(tài)基的方法進行建模,并且在訓練之前人工選擇更加合理的正樣本進行學習,與傳統(tǒng)的動態(tài)基特征結合AdaBoost分類方法進