【摘 要】
：
本文主要研究二次曲面支持向量机的相关模型和算法。传统支持向量机的性能和表现在很大程度上是由其中核函数参数的选取决定的,并且其分类精度容易受到离群点和噪声的影响。由于直接利用二次曲面来分离训练样本点无需使用任何核函数,同时损失函数可以很好地去度量样本真实值和模型预测值之间所存在的差异,本文将变式的逻辑回归损失函数引入二次曲面支持向量机,提出了变式逻辑回归损失函数二次曲面支持向量机（LQSSVM）。在
论文部分内容阅读
本文主要研究二次曲面支持向量机的相关模型和算法。传统支持向量机的性能和表现在很大程度上是由其中核函数参数的选取决定的,并且其分类精度容易受到离群点和噪声的影响。由于直接利用二次曲面来分离训练样本点无需使用任何核函数,同时损失函数可以很好地去度量样本真实值和模型预测值之间所存在的差异,本文将变式的逻辑回归损失函数引入二次曲面支持向量机,提出了变式逻辑回归损失函数二次曲面支持向量机（LQSSVM）。在一些实际分类数据集上的数值实验结果表明,该模型具有良好的分类表现,并且在分类精度方面略优于软二次曲面支持向量机（SQSSVM）和带有高斯核的软间隔支持向量机（SKSVM）。
其他文献
随着我国城市化的推进和产业结构的转型,越来越多的工业用地失去了原有的作用和功能,衰落工业厂区的更新改造逐渐成为城市建设的焦点。然而大量没有列入保护体系的旧工业厂区,在城市改造中不假思索地被“夷为平地”,本文希冀从“活力论”视角出发,改变以往“推土机”式更新模式,将旧工业厂区契入城市居民的日常生活,充分挖掘旧工业厂区的独特属性与活力的内涵,提出旧工业厂区的活力提升维度与构成要素,探索旧工业厂区的更新
共识算法是维持区块链系统安全稳定运行的关键技术。作为应用最广泛的联盟链有交易量大、响应快速、参与方多、不可信和存在拜占庭故障等特点。高效率的RAFT无法在不可信的环境下容忍拜占庭故障,而可容错的PBFT无法满足联盟链对效率的需求。针对联盟链中大量数据同时共识的过程中既要高效又要可容错这两点难以兼顾的问题,本文提出一种高效且可拜占庭容错的共识转换算法。针对RAFT无法检测故障节点、判断故障类型导致的
数据缺失在数据的采集、传输以及存储过程中都可能产生,因此它是广泛存在且无法避免的。缺失值的存在给数据分析和挖掘等任务造成了困难,因为目前大多数数据分析和挖掘方法都无法直接处理不完整数据。时序数据是一种重要的数据形式,由于其内同时存在属性间和时间上的相关性,其建模也更为复杂。因此,时序数据的缺失值填补研究是一项重要的工作。现有填补方法常利用历史信息对缺失值估计,忽略了当前信息,本文则加强对当前信息的
显著性目标检测是计算机视觉的基础任务之一,旨在检测图像中最引人注目的区域,通常作为一种前处理任务在其他计算机视觉领域广泛应用,比如语音分割、目标追踪、行人重识别、图像描述等任务。在显著性检测中,多尺度特征融合起着至关重要的作用。大多数现有方法通过利用各种多尺度特征融合策略虽然取得了不错的性能,但是设计一个高效而优雅的网络框架需要大量的专家知识和经验,在这个过程中严重依赖费力的反复试验。本文从如何能
丙烯是重要的化工原料,其需求量正逐年攀升。丙烷脱氢工艺被认为是最具前景的丙烯生产方式之一,其通常分作两类:直接脱氢和氧化脱氢。前者已实现工业化,其中铬基催化剂因在成本和活性方面的优势是常用工业催化剂之一。然而催化剂中铬物种易发生团聚继而导致催化剂永久失活的问题仍有待解决。丙烷氧化脱氢仍处于研究阶段,并集中于催化剂筛选和改进,而针对反应器选择与操作参数优化等研究报道甚少。因此,本文针对丙烷直接脱氢铬
随着互联网的飞速发展,以图像、视频等多种模态出现的数据呈爆炸式增长,如何有效地进行跨模态数据检索逐渐成为研究热点。在众多跨模态检索方法中,基于哈希编码的无监督跨模态检索方法因其高效的检索速度、低廉的存储代价和无需费时费力的手工标注而备受关注。现有的研究大都通过在汉明空间内保持哈希码的域结构信息以学习特定模态的哈希函数,往往忽略了对多模态实例邻域关系的有效探索。此外,大都未考虑构建的语义关联信息中存
芳香族化合物的硝化是一类重要化工过程,传统间歇反应器生产模式下的非均相硝化过程安全性及生产效率受限,其反应快速和高度放热的特性使之在工业生产中仍面临许多技术挑战。微反应器具有高效的相间热质传递性能,能够精准调控反应条件,本质安全性高,在非均相硝化过程的研究与强化等方面有较大优势。本论文基于液滴流微反应器,开发了一种连续流工艺用于芳香族化合物的硝硫混酸硝化反应过程,对其动力学进行了研究,建立了拟均相
随着深度学习技术的快速发展及在安全攸关领域的广泛应用,提升深度学习模型的可靠性变得十分必要。测试作为检测软件系统缺陷的常用技术,也被应用于深度学习模型的错误检测。然而,由于遵循数据驱动的深度学习模型在测试中需要庞大的测试数据集,且需要人工对数据集进行标记,因此,如何在保证测试有效性的同时缩减测试数据集以减少测试成本,成为研究热点问题。本文为了缓解深度神经网络（Deep Neural Network
社交网络的发展方便了人们日常的沟通,促进了用户之间线上的交流,但是也给人们带来了一定的风险。信任在社交活动中起着重要作用,可以有效地规避不可靠用户带来的风险。由于社交网络中的用户大多数没有直接的信任关系,更多的是通过共同的朋友进行间接联系。因此,如何建立起间接用户之间的信任关系,以至构建信任网络成为一项挑战。间接的信任关系可以通过信任传递来进行信任推理,信任传递过程中信任的传播和聚合在很大程度上影
医学影像合成是重要的医学图像处理技术,旨在根据已有模态的医学影像数据构建跨域非线性映射,合成缺失模态医学影像数据。然而,由于医学影像数据高维特征复杂、数据规模庞大,现有方法无法有效地学习特征表示,导致医学影像合成的精确性、保真度和计算效率较低,难以在实际临床应用中开展部署。为此,本文研究两种基于生成对抗学习的医学影像合成方法,提高复杂高维特征的学习能力,改善影像合成计算效率,提升医学影像合成的临床