基于雙層規(guī)劃的最小二乘支持矩陣機(jī)及其快速算法.pdf

1、本文首先分析并比較了八種最小二乘支持向量機(jī)(Least Squares Support Vector Machine, LSSVM)學(xué)習(xí)算法的優(yōu)劣勢,隨后提出了基于雙層規(guī)劃的最小二乘支持矩陣機(jī)(Least Squares Support Matrix Machine Based on Bi-level Programming, BP-LSSMM)和基于雙層規(guī)劃的快速最小二乘支持矩陣機(jī)(Quickly Least Squares Supp

2、ort Matrix Machine Based on Bi-level Programming, Q-BP-LSSMM)。
　　本研究分為四個(gè)部分：第一章回顧了SVM、支持向量回歸機(jī)(Support Vector Regression Machine, SVR)、孿生SVM(Twin SVM, TSVM)、支持矩陣機(jī)(Support Matrix Machine, SMM)等相關(guān)的預(yù)備知識。第二章介紹了八種LSSVM,并分析比較

3、了它們的優(yōu)劣勢。第三章提出了BP-LSSMM,為了驗(yàn)證該模型的有效性。用數(shù)學(xué)軟件做了一系列的實(shí)驗(yàn),最終驗(yàn)證了該模型算法的有效性. BP-LSSMM有兩方面的優(yōu)勢,一是對于矩陣形式的輸入樣本,不需要將其向量化,而是直接進(jìn)行學(xué)習(xí),這有效地避免了“維數(shù)災(zāi)難”.二是借助最小二乘SVM的快速學(xué)習(xí)優(yōu)勢,提高了所提算法的學(xué)習(xí)速度。第四章在BP-LSSMM的基礎(chǔ)上,通過變更雙層規(guī)劃的上下層問題,提出了更快速的學(xué)習(xí)算法Q-BP-LSSMM,并通過實(shí)驗(yàn)驗(yàn)證