基于遺傳算法的小波支持向量機模型及其應(yīng)用.pdf

1、當前研究癲癇電腦方法很多,而支持向量機憑著其較佳的性能成為其中的后起之秀。
　　支持向量機是一種新型的機器學習方法。它是機器學習領(lǐng)域若干標準技術(shù)的集大成者。它集成了最大間隔超平面、Mercer核、凸二次規(guī)劃、稀疏解和松弛變量等多項技術(shù)。最小二乘小波支持向量機是支持向量機的改進,它將最小二乘法、小波核函數(shù)和支持向量機有機結(jié)合了起來,不但提高了求解問題的速度和收斂精度,還提高了泛化能力,具有優(yōu)于標準支持向量機的性能。但是在應(yīng)用上,仍然

2、存在著選擇模型參數(shù)的問題。最小二乘小波支持向量機的參數(shù)要比標準支持向量機為多,而其參數(shù)對其性能影響很大,因此參數(shù)的選取十分重要。目前,也無統(tǒng)一的參數(shù)選取標準和理論。
　　本文的主要內(nèi)容如下:
　　1.首先從原理、數(shù)學模型及構(gòu)造等幾個方面對支持向量機進行了研究,同時分析研究了遺傳算法的基本原理、性能特點和操作方法,提出了將兩者結(jié)合的可能性。
　　2.專門設(shè)計合適的遺傳算法,利用其優(yōu)化最小二乘小波支持向量機的參數(shù),這樣就構(gòu)