版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、隨著感知技術(shù)、網(wǎng)絡(luò)傳輸和存儲技術(shù)的不斷發(fā)展,數(shù)據(jù)的產(chǎn)生、收集和存儲能力大大提高,數(shù)據(jù)的規(guī)模以幾何級數(shù)方式迅猛增長。海量的數(shù)據(jù)為信息分析和挖掘帶來了巨大便利,同時也提出了巨大的挑戰(zhàn),其中數(shù)據(jù)缺失問題極大地影響數(shù)據(jù)的可用性,是數(shù)據(jù)質(zhì)量研究中的重點(diǎn)和難點(diǎn)問題之一。如何預(yù)測缺失數(shù)據(jù),準(zhǔn)確還原物理世界的原始信息,用以支持高級的數(shù)據(jù)挖掘應(yīng)用,具備重要的理論研究和實際應(yīng)用價值。本文針對這一關(guān)鍵問題展開研究。主要工作如下:
首先,本文利用極限
2、學(xué)習(xí)機(jī)(ELM)的回歸原理填補(bǔ)缺失數(shù)據(jù),針對待填補(bǔ)缺失數(shù)據(jù)集往往先驗知識不足,激活函數(shù)選擇困難,或待填補(bǔ)數(shù)據(jù)集本身復(fù)雜,難以選擇合適激活函數(shù)的問題,重點(diǎn)研究了基于改進(jìn)的差分優(yōu)化算法自適應(yīng)的選取激活函數(shù)的算法。該方法根據(jù)缺失數(shù)據(jù)填補(bǔ)問題的特點(diǎn),改進(jìn)了種群優(yōu)化算法,進(jìn)而提出了適用于缺失數(shù)據(jù)填補(bǔ)的自適應(yīng)的極限學(xué)習(xí)機(jī)(A-ELM)。并詳細(xì)介紹了自適應(yīng)的極限學(xué)習(xí)機(jī)(A-ELM)填補(bǔ)缺失數(shù)據(jù)的可操作性及其填補(bǔ)步驟。
然后,本文針對待填補(bǔ)缺
3、失數(shù)據(jù)集自變量間存在線性關(guān)系時,利用極限學(xué)習(xí)機(jī)(ELM)進(jìn)行填補(bǔ),求解廣義逆矩陣會導(dǎo)致準(zhǔn)確率低甚至病態(tài)解問題,提出了嶺回歸極限學(xué)習(xí)機(jī)(B-ELM)。重點(diǎn)研究了基于廣義交叉驗證法選取嶺參數(shù)k的方法,嶺回歸極限學(xué)習(xí)機(jī)(B-ELM)能有效處理變量間有相關(guān)性的缺失數(shù)據(jù)集。并綜合總結(jié)出泛化性強(qiáng)、填補(bǔ)準(zhǔn)確率較高的缺失數(shù)據(jù)填補(bǔ)工具自適應(yīng)的嶺回歸極限學(xué)習(xí)機(jī)模型(AB-ELM-MD)。自適應(yīng)的嶺回歸極限學(xué)習(xí)機(jī)模型(AB-ELM-MD)可以對那些無法確定激
4、活函數(shù)的不完備輸入數(shù)據(jù)集進(jìn)行填補(bǔ),同時可以以較高的準(zhǔn)確率對各維度之間高度相關(guān)的不完備數(shù)據(jù)進(jìn)行填補(bǔ),也可以對綜合含有上述問題的不完備數(shù)據(jù)進(jìn)行填補(bǔ)。
最后,本文以兩組真實的高維DNA微陣列數(shù)據(jù)、一組真實的數(shù)據(jù)量較大的交通軌跡數(shù)據(jù)為例,利用支持向量機(jī)回歸機(jī)(SVR)方法、極限學(xué)習(xí)機(jī)(ELM)方法、自適應(yīng)的嶺回歸極限學(xué)習(xí)機(jī)缺失數(shù)據(jù)填補(bǔ)模型(AB-ELM-MD),針對含有上述問題數(shù)據(jù)集,以不完備數(shù)據(jù)回歸的結(jié)果為基礎(chǔ)進(jìn)行缺失數(shù)據(jù)的填補(bǔ)。證
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于序列數(shù)據(jù)獲取的改進(jìn)極限學(xué)習(xí)機(jī)算法研究.pdf
- 基于穩(wěn)健估計的極限學(xué)習(xí)機(jī)方法研究.pdf
- 基于改進(jìn)極限學(xué)習(xí)機(jī)的車牌字符識別方法.pdf
- 基于改進(jìn)極限學(xué)習(xí)機(jī)的生物發(fā)酵軟測量建模方法研究.pdf
- 基于深度學(xué)習(xí)的極限學(xué)習(xí)機(jī)算法研究.pdf
- 基于改進(jìn)的極限學(xué)習(xí)機(jī)短時交通流預(yù)測模型研究.pdf
- 基于極限學(xué)習(xí)機(jī)的三維模型數(shù)據(jù)分類研究.pdf
- 基于改進(jìn)極限學(xué)習(xí)機(jī)的復(fù)雜工業(yè)過程故障預(yù)測方法應(yīng)用研究.pdf
- 基于極限學(xué)習(xí)機(jī)的不確定數(shù)據(jù)分類算法.pdf
- 基于極限學(xué)習(xí)機(jī)的圖像標(biāo)注研究.pdf
- 基于集成學(xué)習(xí)的極限學(xué)習(xí)機(jī)的算法研究.pdf
- 基于極限學(xué)習(xí)機(jī)改進(jìn)模型的煤礦突水水源識別研究.pdf
- 基于支持向量機(jī)和極限學(xué)習(xí)機(jī)的管道缺陷分類方法研究.pdf
- 基于成分?jǐn)?shù)據(jù)的缺失值填補(bǔ)方法研究.pdf
- 基于極限學(xué)習(xí)機(jī)的變壓器故障預(yù)測方法研究.pdf
- 基于極限學(xué)習(xí)機(jī)的多示例算法研究.pdf
- 基于極限學(xué)習(xí)機(jī)的設(shè)備故障預(yù)測方法及應(yīng)用研究.pdf
- 基于極限學(xué)習(xí)機(jī)的半監(jiān)督分類.pdf
- 極限學(xué)習(xí)機(jī)的研究與應(yīng)用.pdf
- 基于極限學(xué)習(xí)機(jī)的目標(biāo)識別算法研究.pdf
評論
0/150
提交評論