基于最大相关熵准则的支持向量机模型与算法研究

项目名称： 基于最大相关熵准则的支持向量机模型与算法研究

项目编号： No.11626186

项目类型： 专项基金项目

立项/批准年度： 2016

项目学科： 数理科学和化学

项目作者： 王快妮

作者单位： 西安石油大学

项目金额： 3万元

中文摘要： 支持向量机是数据挖掘的一项新技术，是以最优化方法为实现手段，解决分类问题和回归问题的有效工具。通常的支持向量机隐含着输入的训练点的值是精确的假设。然而，在实际问题中，由于受各种因素的影响，所获得的数据集通常含有噪声。支持向量机采用的经验风险表达是一个全局的相似度度量，过分强调了这类训练点在学习过程中的作用，造成支持向量机对噪声较敏感、鲁棒性差。最大相关熵准则是一个局部相似度度量，具有鲁棒性，适合于处理非高斯噪声问题。本项目拟引入最大相关熵准则，应用最优化理论与方法，研究具有鲁棒性的支持向量机模型与算法。具体内容包括：建立基于最大相关熵准则的最小二乘支持向量机鲁棒模型、求解算法；建立基于最大相关熵准则的最小二乘one-class支持向量机鲁棒模型、求解算法及其应用。本项目的研究将建立更适于实际问题的支持向量机模型与算法，有助于促进信息论与支持向量机的融合，为构建鲁棒学习方法提供理论依据。

中文关键词： 支持向量机；最小二乘支持向量机；标签噪声；鲁棒；最大相关熵

英文摘要： Support vector machine has been a powerful machine learning technique for classification and regression estimation by means of the optimization methods. It usually implies the hypothesis that the training samples are accurate. However, in practical proble

英文关键词： support vector machine；least squares support vector machine；label noises；robust；maximum correntropy criterion