导读:本文包含了支持向量机超参数论文开题报告文献综述及选题提纲参考文献，主要关键词:人脸识别,支持向量机超参数调节,均匀设计,多目标均匀设计优化算法
支持向量机超参数论文文献综述
刘丽娟[1]（2010）在《支持向量机超参数调节方法的研究及其在人脸识别中的应用》一文中研究指出支持向量机(Support Vector Machine, SVM)是模式识别领域广泛使用的强有力的分类工具。SVM的特点主要是通过引入核函数将原始空间中的训练数据转换到相应的Hilbert特征空间,使输入空间线性不可分的问题变成普通的线性可分的问题,其中核函数(包括核参数)起着非常重要的作用。核函数(包括核参数)的不同意味着获得的Hilbert特征空间不同,SVM超参数(包括核参数和惩罚参数)的选择直接影响着SVM的泛化性能,因此而得到的最优分类面及分类结果也不同。但是SVM超参数选择由于缺乏有效的理论分析,致使该问题成为模式识别、机器学习领域长期存在的难题。SVM作为分类工具已成功应用于人脸识别,但目前人脸识别研究普遍受到不同姿态、光照等环境变化因素的制约。研究表明,具有最佳超参数的SVM模型可以在一定程度上抑制人脸因环境变化带来的影响。而SVM最佳超参数选择在实际问题中的应用所遭遇的主要困难是SVM超参数选择的效率问题。尤其在解决诸如人脸识别这类具有稀疏、超高维特征的分类问题时就显得更加突出。为此,本文对SVM超参数调节方法进行了研究,提出了适用于人脸识别的SVM超参数优化算法,得到了较好的实验结果。本文的主要工作是基于均匀设计(Uniform Design, UD)的基本原理,提出用于解决人脸识别问题的SVM超参数调节方法。该方法的核心是用UD代替传统的网格(Grid)和梯度下降(Gradient Descent)方法,挑选充分均衡分散在整个试验范围内且能得到满意实验结果的特征点,通过最小化k折交叉验证误差界或留一法(Leave One Out, LOO)误差界获取SVM最佳超参数。本文在研究中发现,虽然基于UD的SVM超参数调节能有效地降低计算复杂度,但由于该方法采用单目标作为评价标准,在解决人脸识别这一实际问题时,SVM的泛化性能还有待改善。因此,本文进一步提出了多目标均匀设计(Multi-Objective Uniform Design, MOUD)优化算法。MOUD方法以灵敏度和精确度作为多目标优化算法的目标函数,并以此代替传统的单目标作为SVM超参数调节的评价标准,该方法结合UD方法搜索整个试验范围内均匀散布的试验点,这样不仅能有效地降低计算复杂度,还能在一定程度上保证SVM的泛化能力。本文在UCI模拟数据集和人脸图像库上进行了验证实验。结果表明:本文提出的MOUD方法与传统的SVM超参数调节方法相比,能大大降低超参数调节的时间且能在一定程度上提高人脸分类识别率。这使SVM超参数调节方法在解决高维人脸真实数据问题时具有一定的实用价值。(本文来源于《重庆大学》期刊2010-04-01）
李兰兰,崔连延,李娜[2]（2008）在《基于主元分析与支持向量机超参数调节的人脸识别研究》一文中研究指出该文阐述了基于主元分析和支持向量机的人脸识别算法,并对算法进行了改进。实验使用的是ORL人脸库,该方法先用PCA方法进行特征提取,再用支持向量机构造分类器进行分类,最后利用支持向量机超参数调节的方法进一步提高了识别率,实验结果验证了该算法的可行性并得到了较好的识别率。(本文来源于《电脑知识与技术》期刊2008年36期）
燕飞,秦世引[3]（2008）在《一种基于模拟退火的支持向量机超参数优化算法》一文中研究指出基于统计学习理论的支持向量机技术以探求小样本情况下如何获得更好的机器学习规律而见长,与基于经验风险最小化原则的机器学习方法相比能够获得更佳的泛化能力,相关超参数的选择对其分类或回归性能有较大影响。针对径向基核支持向量机超参数优化问题,提出了一种改进的基于模拟退火算法的高效多目标优化算法,并详细讨论了优化寻优过程中搜索空间、初始可行解、初温和最优目标函数的设计方法。通过在多个标准数据集上的测试验证,证实了本文所提算法的可行性和有效性。(本文来源于《航天控制》期刊2008年05期）
金添,周智敏,宋千,常文革[4]（2007）在《基于证据框架的模糊超球面支持向量机超参数优化》一文中研究指出模糊超球面支持向量机(FHS-SVM)在处理一类分类问题时比超平面支持向量机泛化能力更强,特别是在雷达目标检测中得到了成功应用.FHS-SVM训练时需要预设一些超参数,不同的超参数得到的FHS-SVM性能差异很大.文中首先证明了FHS-SVM训练过程与证据框架第一层贝叶斯推理的等价性,然后在证据框架下提出了FHS-SVM超参数优化迭代方法.基于超宽带合成孔径雷达探雷数据,通过与穷举方法结果的对比检验了迭代优化方法的有效性.(本文来源于《应用科学学报》期刊2007年03期）
支持向量机超参数论文开题报告
（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：
该文阐述了基于主元分析和支持向量机的人脸识别算法,并对算法进行了改进。实验使用的是ORL人脸库,该方法先用PCA方法进行特征提取,再用支持向量机构造分类器进行分类,最后利用支持向量机超参数调节的方法进一步提高了识别率,实验结果验证了该算法的可行性并得到了较好的识别率。
（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。
支持向量机超参数论文参考文献
[1].刘丽娟.支持向量机超参数调节方法的研究及其在人脸识别中的应用[D].重庆大学.2010
[2].李兰兰,崔连延,李娜.基于主元分析与支持向量机超参数调节的人脸识别研究[J].电脑知识与技术.2008
[3].燕飞,秦世引.一种基于模拟退火的支持向量机超参数优化算法[J].航天控制.2008
[4].金添,周智敏,宋千,常文革.基于证据框架的模糊超球面支持向量机超参数优化[J].应用科学学报.2007
标签：人脸识别; 支持向量机超参数调节; 均匀设计; 多目标均匀设计优化算法;