论文部分内容阅读
在此论文中,首先分析并比较了八种最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)学习算法的优劣势,随后提出了基于双层规划的最小二乘支持矩阵机(Least Squares Support Matrix Machine Based on Bi-level Programming,BP-LSSMM)和基于双层规划的快速最小二乘支持矩阵机(Quickly Least Squares Support Matrix Machine Based on Bi-level Programming,Q-BP-LSSMM).全文共分四章:第一章简要回顾了SVM、支持向量回归机(Support Vector Regression Machine,SVR)、孪生SVM(Twin SVM,TSVM)、支持矩阵机(Support Matrix Machine,SMM)等相关的预备知识.第二章介绍了八种LSSVM,并分析比较了它们的优劣势.第三章提出了BP-LSSMM,为了验证该模型的有效性,我们用数学软件做了一系列的实验,最终验证了该模型算法的有效性.BP-LSSMM有两方面的优势,一是对于矩阵形式的输入样本,不需要将其向量化,而是直接进行学习,这有效地避免了“维数灾难”.二是借助最小二乘SVM的快速学习优势,提高了所提算法的学习速度.第四章在BP-LSSMM的基础上,通过变更双层规划的上下层问题,提出了更快速的学习算法Q-BP-LSSMM,并通过实验验证了所提算法的有效性.