导读:本文包含了核覆盖算法论文开题报告文献综述及选题提纲参考文献，主要关键词:李群机器学习,覆盖学习,核函数
核覆盖算法论文文献综述
吴鲁辉[1]（2017）在《多李群核覆盖学习算法及其应用研究》一文中研究指出李群机器学习自2004提出以来引起了许多研究人员的关注。经过叁年的努力,取得的成果主要包括:1.为了解决李群覆盖学习中存在的道路交叉问题。本文引入核函数思想并对传统的核函数进行改造以成为李群核函数。通过将核思想和覆盖学习算法相结合,本文提出了多李群核覆盖学习算法。2.核函数思想要依据与样本本身或者分布特点采用对应的核函数。为了更好地解决道路交叉问题,本文基于图和李群同态映射理论提出了优化学习算法以减弱道路交叉情况。为了得到更好的相对最优道路表示,我们将样本点邻域信息作为规则来选择割点并对覆盖域中心进行调整从而给出了一道路选择算法。3.将上述算法应用于向量形式样和矩阵样本集上,通过实验验证了本文方法的有效性。综上所述,本文创新性地提出多李群核覆盖学习算法以及优化学习算法并通过实例验证了本文提出的方法,为这些方法提供了应用背景。(本文来源于《苏州大学》期刊2017-05-01）
吴鲁辉,李凡长[2]（2016）在《多李群核覆盖学习算法在图像分类上的应用》一文中研究指出李群具有代数结构也具有流形几何结构。将数据映射到多李群空间,并根据李群样本点在李群流形上的轨道关系,对那些同伦的轨道加以覆盖,从而使得覆盖域呈现出类别信息。利用核函数的思想,进一步使得类别不同的覆盖域更具有可分性,同时覆盖边界更具有光滑性,因此提出了多李群核覆盖学习算法。在MNIST手写体数字图像上进行了多组实验验证,并对实验结果进行了分析,结果表明与多连通李群覆盖学习算法相比,多李群核覆盖学习算法具有较好的分类效果。(本文来源于《计算机科学与探索》期刊2016年12期）
杨丽玲[3]（2014）在《基于核覆盖算法的中文文本分类研究》一文中研究指出文中介绍了使用核覆盖算法进行中文文本分类.研究了采取不同的特征选取方法、利用核覆盖算法进行文本分类的区别.通过实验,除互信息外的其它几种特征选取方法在核覆盖算法分类过程中均取得了较优的实验结果,可看出核覆盖算法在文本分类中是一个不错的方法.(本文来源于《吉林师范大学学报(自然科学版)》期刊2014年04期）
李丽芳,周鸣争[4]（2009）在《一种基于构造性核覆盖的聚类算法》一文中研究指出基于构造性核覆盖学习方法的思想,提出了一种构造性核覆盖聚类算法。首先将原空间的待分类样本映射到一个高维的特征空间中,使得样本变得线性可分,然后在核空间采用构造性覆盖方法进行覆盖领域的构造,这组领域能将相似度小的样本分割开来,将相似度大的样本聚合在一起,通过定义一定的相似度度量标准和目标函数,达到聚类的效果。仿真实验也验证了该方法的有效性和可行性。(本文来源于《计算机技术与发展》期刊2009年01期）
李丽华,高立艾,于尧[5]（2008）在《基于核覆盖算法的农村短期电力负荷预测》一文中研究指出核覆盖算法融合了SVM中的核函数法与构造性学习的覆盖算法中的优点,将该方法用于电力系统负荷的预测,先将负荷数据映射到一个核空间,然后在核空间中利用一般的覆盖算法进行预测。实际数据验证表明:该方法与单一的SVM预测相比具有预测精度高、支持向量少和计算量小等优点。(本文来源于《农机化研究》期刊2008年09期）
周鸣争,楚宁,强俊[6]（2007）在《基于构造性核覆盖算法的异常入侵检测》一文中研究指出将构造性核覆盖算法引入入侵检测研究中,提出了一种基于构造性核覆盖的异常入侵检测算法,用于监控进程的非正常行为.首先分析了核覆盖分类算法应用于入侵检测的可能性,然后具体描述了核覆盖算法在异构数据集下的推广,提出了基于核覆盖的异常入侵检测模型.并以sendmail系统调用序列数据集为例,详细讨论了该模型的工作过程.最后将实验仿真结果与其它方法进行了比较,结果表明,该方法的检测效果优于同类的其它方法.(本文来源于《电子学报》期刊2007年05期）
杨金福,许馨,吴福朝,赵永恒[7]（2007）在《核覆盖算法在光谱分类问题中的研究》一文中研究指出针对光谱分类,提出了一种基于核技巧的覆盖算法——核覆盖算法。该算法将核技巧与覆盖算法相结合,并在特征空间中抽取支持向量。实验表明核覆盖算法在光谱分类中的精度与SVM相差不大,但是它只涉及距离的计算,不必象SVM那样求解二次规划问题,对于核宽的选择也不象SVM那样非常敏感。核覆盖算法与覆盖算法相比分类性能相当,它的优势在于引入的非线性映射Φ改变了样本集在特征空间中之间的距离关系,使得核覆盖算法得到的支持向量个数大大少于覆盖算法。(本文来源于《光谱学与光谱分析》期刊2007年03期）
汪小寒,陈洁,张迎春,张燕平,张铃[8]（2006）在《基于核覆盖算法的煤价预测》一文中研究指出核覆盖算法是在一般覆盖算法的基础上引入了核函数而提出的。新的算法不仅克服了传统的预测方法中存在的局限性,而且融合了SVM中的核函数法与构造性学习的覆盖算法中的优点,具有计算量小、精度高等优点。将核覆盖算法用于煤炭价格的预测中,取得了比其他方法更好的结果,也充分体现了核覆盖算法的有效性。(本文来源于《计算机技术与发展》期刊2006年12期）
吴涛,张铃,张燕平[9]（2005）在《机器学习中的核覆盖算法》一文中研究指出基于统计学习理论的支持向量机(SVM)方法在样本空间或特征空间构造最优分类超平面解决了分类器的构造问题,但其本质是二分类的,且核函数中的参数难以确定,计算复杂性高.构造性学习算法根据训练样本构造性地设计分类网络,运行效率高,便于处理多分类问题,但存在所得的分界面零乱、测试计算量大的缺点.该文将SVM中的核函数法与构造性学习的覆盖算法相融合,给出一种新的核覆盖算法.新算法克服了以上两种模型的缺点,具有运算速度快、精度高、鲁棒性强的优点.其次,文中给出风险误差上界与覆盖个数的关系.最后给出实验模拟,模拟结果证明了新方法的优越性.(本文来源于《计算机学报》期刊2005年08期）
张燕平,张铃,段震[10]（2004）在《构造性核覆盖算法在图像识别中的应用》一文中研究指出构造性神经网络的主要特点是 :在对给定的具体数据的处理过程中 ,能同时给出网络的结构和参数 ;支持向量机就是先通过引入核函数的非线性变换 ,然后在这个核空间中求取最优线性分类面 ,其所求得的分类函数 ,形式上类似于一个神经网络 ,而构造性核覆盖算法 (简称为 CKCA)则是一种将神经网络中的构造性学习方法 (如覆盖算法 )与支持向量机 (SVM)中的核函数法相结合的方法。CKCA方法具有运算量小、构造性强、直观等特点 ,适于处理大规模分类问题和图像识别问题。为验证 CKCA算法的应用效果 ,利用图像质量不高的车牌字符进行了识别实验 ,并取得了较好的结果(本文来源于《中国图象图形学报》期刊2004年11期）
核覆盖算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
李群具有代数结构也具有流形几何结构。将数据映射到多李群空间,并根据李群样本点在李群流形上的轨道关系,对那些同伦的轨道加以覆盖,从而使得覆盖域呈现出类别信息。利用核函数的思想,进一步使得类别不同的覆盖域更具有可分性,同时覆盖边界更具有光滑性,因此提出了多李群核覆盖学习算法。在MNIST手写体数字图像上进行了多组实验验证,并对实验结果进行了分析,结果表明与多连通李群覆盖学习算法相比,多李群核覆盖学习算法具有较好的分类效果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
核覆盖算法论文参考文献
[1].吴鲁辉.多李群核覆盖学习算法及其应用研究[D].苏州大学.2017
[2].吴鲁辉,李凡长.多李群核覆盖学习算法在图像分类上的应用[J].计算机科学与探索.2016
[3].杨丽玲.基于核覆盖算法的中文文本分类研究[J].吉林师范大学学报(自然科学版).2014
[4].李丽芳,周鸣争.一种基于构造性核覆盖的聚类算法[J].计算机技术与发展.2009
[5].李丽华,高立艾,于尧.基于核覆盖算法的农村短期电力负荷预测[J].农机化研究.2008
[6].周鸣争,楚宁,强俊.基于构造性核覆盖算法的异常入侵检测[J].电子学报.2007
[7].杨金福,许馨,吴福朝,赵永恒.核覆盖算法在光谱分类问题中的研究[J].光谱学与光谱分析.2007
[8].汪小寒,陈洁,张迎春,张燕平,张铃.基于核覆盖算法的煤价预测[J].计算机技术与发展.2006
[9].吴涛,张铃,张燕平.机器学习中的核覆盖算法[J].计算机学报.2005
[10].张燕平,张铃,段震.构造性核覆盖算法在图像识别中的应用[J].中国图象图形学报.2004