导读:本文包含了线性可分论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:线性,算法,复杂度,向量,平面,条件,油井。
线性可分论文文献综述
赵威亦,陈相锦,董怡雯,周冰滢,王杰[1]（2018）在《感知器神经网络线性可分判断的满足性算法》一文中研究指出感知器神经网络有着广泛的应用前景,是人工神经网络的重要组成部分。同时感知器神经网络对与现代计算机新的硬件设计也有重要研究意义。感知器神经网络的线性可分判断是感知器领域一个重要的研究内容。文章对满足性问题进行研究,把满足性算法应用于感知器神经网络的线性可分判断,提出布尔函数线性可分性判断的逻辑满足性算法。(本文来源于《台州学院学报》期刊2018年06期）
易校石[2]（2018）在《线性可分支持向量机的算法及应用》一文中研究指出大数据具有高维和海量的特征,为现代社会带来了新的发展机会。大数据分析可以解决国家众多的重大需求问题,在将来的个性化医疗、科学革新和发现、创新技术以及商业管理及政府管理决策等方面带来了信息海啸,驱动了又一次的工业革命;大数据作为新的经济资源,新的经济发展引擎,新的经济产出=资本+劳力+数据,而数据也自然而然的成为了黄金和货币之类的新的经济资产,同时也是科研的新依据及决策的新源泉,深刻影响社会经济生活的方方面面,成为社会进步的新动力。支持向量机是一种二分类器,支持向量机的分离超平面通常是求解一个凸二次规划,在统计分析软件中有现成的包可供调用。但在大数据分析的背景下,大训练样本可能导致支持向量机的学习过程中出现维数灾难和很大的计算时间。本文把大样本训练数据按照一定规则进行随机分组,每一组的样本数据均是满足支持向量机的小样本背景条件,然后去找寻找较少的支持向量嫌疑样本,这可以去掉可信度非常大的非支持向量样本,用少量的嫌疑样本学习支持向量机的分离超平面,从而获整个大样本的支持向量机的分离超平面;采用感知机的旋转和平移的方法获得支持向量机的分离超平面。首先用感知机的分离超平面作为支持向量机迭代的初始超平面,然后采用动态学习率将此初始平面在正类和负类所形成的带形区内继续的旋转和平移,直到几何间隔达到最大,得出支持向量和支持向量机。本文提出的两种算法分别用实际算例和模拟数据进行验证,与直接调用R软件的支持向量机训练包得出的结果完全一致,说明了本文算法有效,可行。(本文来源于《重庆师范大学》期刊2018-05-01）
乔于[3]（2018）在《大样本的线性可分支持向量机算法》一文中研究指出伴随产业界数据量的爆炸式增进,大数据概念的关注度也得到很大程度的提升。因为大数据的庞大、复杂多样等特征,传统的支持向量机分类算法在大数据环境下已不再实用。因而,大数据下支持向量机分类算法的研究成为各界密切关注的方向。为了能够将支持向量机应用于海量样本数据的快速分类,需要从大样本数据集中筛选潜在的支持向量集,以此作为SVM的训练集,提高学习效率。因为样本容量较大时,支持向量机的学习难度会增大,并且会消费大量的学习时间,这使得支持向量机在海量样本数据学习难以被采用。支持向量机的分离超平面是由支持向量所决定,其他训练样本点对分离超平面的确定完全不起作用。本文将大规模的数据缩减成小规模的数据,在小规模的数据上学习支持向量并进行迭代,得到最终的支持向量。本文提出了一种线性可分支持向量机分组算法,该算法将大样本随机分成若干组的小样本训练数据集,在小样本训练数据集上进行训练,得到嫌疑支持向量,将这些支持向量加到下一组进行训练,以此类推,最后一组训练得到的支持向量为大样本数据集的支持向量。其次提出了错分样本预选算法,该算法根据支持向量对分离超平面的决定性作用,在大量的训练样本数据集中去除远离分离超平面的样本点,提取支持向量的嫌疑样本,用这些嫌疑样本训练支持向量机,既使用了所有样本的有用信息,又提高了学习效率并节约了时间。实验结果表明:本文提出的两个算法与解凸二次规划所得到的支持向量完全一致,降低了支持向量机的学习难度和运行时间,具有实时性和高效性。(本文来源于《重庆大学》期刊2018-04-01）
曾琴[4]（2017）在《目标函数带线性约束块可分的凸优化方法》一文中研究指出带有线性约束条件且目标函数是块可分的凸性最小问题一直是研究的重点。该问题是经过研究目标函数由2个不是充分光滑的凸函数组成或是由3个不是充分光滑的凸函数组成,从而推广到目标函数由n个不是充分光滑的凸函数组成的情况。问题的解决是以经典的交替方向法为基础,延伸出多种方法来建立该模型。总结了几种常见方法,同时提出了新方法——基于分离法的新ADMM法,并证明该方法的可行性。(本文来源于《重庆理工大学学报(自然科学)》期刊2017年08期）
白旷[5]（2016）在《对一类线性等式约束的叁块可分凸优化问题算法的研究》一文中研究指出本文针对一般的带有一个线性等式约束的叁块可分凸优化问题提出了一个优化算法.通过选取适当的邻近项,我们证明了该算法的全局线性收敛性,对于步长τ∈(0,(1+(?)5)/2)及惩罚参数c∈(0,+∞)成立.在分析过程中,我们只假设误差界条件成立.本算法很容易推广到解决同类型的多块问题.在实际应用问题中,该算法具有与经典ADMM算法同样的分裂结构,为实际问题的计算提供了便利.(本文来源于《大连理工大学》期刊2016-04-01）
潘芳伟[6]（2014）在《基于线性可分的油井电机控制模型系统优化》一文中研究指出线性可分控制油田井下设备电机模型系统在实现基本的线性可分控制系统功能的同时,还要在性能上满足一定的要求,如根据线性可分控制系统的具体处理能力,判定是否采取集群服务方式,或评估采用集群服务方式时线性可分控制服务器的数量。在达到预期性能指标的前提下,采用较为成熟的开发技术来实现线性可分控制系统。线性可分控制投递模块主要是管理客户端连接、线性可分控制订阅关系、线性可分控制投递线程和线性可分控制扫描线程,线性可分控制油田井下设备电机模型系统中采用了两条队列来管理被投递的线性可分控制。(本文来源于《油气田地面工程》期刊2014年04期）
张银川,韩立新,曾晓勤[7]（2014）在《基于伪分类超平面的线性可分几何判定方法及应用》一文中研究指出针对模式分类中线性可分的问题,文中将模式看作是欧氏空间中的点,研究欧氏空间中点与面的关系等解析几何性质,在一般的分类超平面概念上定义伪分类超平面.根据线性可分等价性,在需降维时进行空间映射.研究根据数据寻找伪分类超平面,给出几何意义明显的线性可分判断方法,在该方法的基础上给出一种分类复杂度的度量方法.实验结果表明,该方法较好地体现数据的分类复杂度.(本文来源于《模式识别与人工智能》期刊2014年01期）
高佳琴,胡江,于旭[8]（2013）在《一种快速判定原始数据集合线性可分的充分条件》一文中研究指出随着机器学习研究的深入,各种各样的分类算法被广泛地应用到现实生活中的各个领域。然而目前的很多分类算法往往需要首先判断原始数据集合是否线性可分,因此关于原始数据集合是否线性可分的判决条件就成了一个研究的热点。针对于现有数据可分性判决算法计算复杂度较高的不足,提出一种判定数据线性可分的充分条件,并在此基础上给出数据可分性的判别算法。理论分析和实例验证说明了提出的数据可分性判别算法是有效的并且具有较低的线性计算复杂度。(本文来源于《计算机应用与软件》期刊2013年11期）
徐尽[9]（2013）在《基于线性判别分析的数据集可分性判定算法》一文中研究指出训练数据集的可分性判别是机器学习领域的一个重要研究内容。本文针对该问题,提出了一种基于线性判别分析的数据集可分性判别算法。该算法首先对待判断的训练数据集进行线性判别分析,求得最佳投影直线,然后将原始样本投影到最佳投影直线上,根据投影点的位置关系判断训练数据集的可分性。在人造数据集实例上的检测结果,充分证明了本文判定算法的正确性。(本文来源于《科技通报》期刊2013年04期）
陈利娅[10]（2012）在《可分赋范线性空间中开集、闭集的构造》一文中研究指出在一维实空间中开集、闭集构造的基础上,给出了一般可分赋范线性空间中开集、闭集的构造,并进行了证明。(本文来源于《西华大学学报(自然科学版)》期刊2012年05期）
线性可分论文开题报告
（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：
大数据具有高维和海量的特征,为现代社会带来了新的发展机会。大数据分析可以解决国家众多的重大需求问题,在将来的个性化医疗、科学革新和发现、创新技术以及商业管理及政府管理决策等方面带来了信息海啸,驱动了又一次的工业革命;大数据作为新的经济资源,新的经济发展引擎,新的经济产出=资本+劳力+数据,而数据也自然而然的成为了黄金和货币之类的新的经济资产,同时也是科研的新依据及决策的新源泉,深刻影响社会经济生活的方方面面,成为社会进步的新动力。支持向量机是一种二分类器,支持向量机的分离超平面通常是求解一个凸二次规划,在统计分析软件中有现成的包可供调用。但在大数据分析的背景下,大训练样本可能导致支持向量机的学习过程中出现维数灾难和很大的计算时间。本文把大样本训练数据按照一定规则进行随机分组,每一组的样本数据均是满足支持向量机的小样本背景条件,然后去找寻找较少的支持向量嫌疑样本,这可以去掉可信度非常大的非支持向量样本,用少量的嫌疑样本学习支持向量机的分离超平面,从而获整个大样本的支持向量机的分离超平面;采用感知机的旋转和平移的方法获得支持向量机的分离超平面。首先用感知机的分离超平面作为支持向量机迭代的初始超平面,然后采用动态学习率将此初始平面在正类和负类所形成的带形区内继续的旋转和平移,直到几何间隔达到最大,得出支持向量和支持向量机。本文提出的两种算法分别用实际算例和模拟数据进行验证,与直接调用R软件的支持向量机训练包得出的结果完全一致,说明了本文算法有效,可行。
（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。
线性可分论文参考文献
[1].赵威亦,陈相锦,董怡雯,周冰滢,王杰.感知器神经网络线性可分判断的满足性算法[J].台州学院学报.2018
[2].易校石.线性可分支持向量机的算法及应用[D].重庆师范大学.2018
[3].乔于.大样本的线性可分支持向量机算法[D].重庆大学.2018
[4].曾琴.目标函数带线性约束块可分的凸优化方法[J].重庆理工大学学报(自然科学).2017
[5].白旷.对一类线性等式约束的叁块可分凸优化问题算法的研究[D].大连理工大学.2016
[6].潘芳伟.基于线性可分的油井电机控制模型系统优化[J].油气田地面工程.2014
[7].张银川,韩立新,曾晓勤.基于伪分类超平面的线性可分几何判定方法及应用[J].模式识别与人工智能.2014
[8].高佳琴,胡江,于旭.一种快速判定原始数据集合线性可分的充分条件[J].计算机应用与软件.2013
[9].徐尽.基于线性判别分析的数据集可分性判定算法[J].科技通报.2013
[10].陈利娅.可分赋范线性空间中开集、闭集的构造[J].西华大学学报(自然科学版).2012