2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩53頁未讀, 繼續(xù)免費閱讀

下載本文檔

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),請進行舉報或認領(lǐng)

文檔簡介

1、如何對大規(guī)模多類數(shù)據(jù)進行有效高精度分類是數(shù)據(jù)挖掘領(lǐng)域所要解決的重要問題,而待處理數(shù)據(jù)類間的關(guān)系提取則是該分類問題的關(guān)鍵。數(shù)據(jù)關(guān)系提取是指將待分類數(shù)據(jù)類間的隱含關(guān)系(包括屬性、特征、邊界等)找出,通過訓(xùn)練得到分類器(組)將不同類別的數(shù)據(jù)分類,而數(shù)據(jù)關(guān)系提取的優(yōu)劣則會影響到分類結(jié)果。在解決現(xiàn)實問題及科學(xué)研究的過程中,多類數(shù)據(jù)分類問題也越來越受到研究人員的重視,許多高效地多分類算法也大量涌現(xiàn)?;谥С窒蛄繖C(Support Vector Ma

2、chine,SVM)的多分類方法是將SVM分類思想與多分類方法相結(jié)合,對數(shù)據(jù)樣本之間的數(shù)據(jù)關(guān)系優(yōu)化提取并訓(xùn)練出分類器組合?;跀?shù)據(jù)關(guān)系的SVM多分類方法充分將SVM良好的學(xué)習和分類能力與“一對一”思想相結(jié)合,對多類樣本進行劃分并從中獲取冗余信息,從而優(yōu)化分類器組,提高樣本數(shù)據(jù)集分類精度。論文主要工作包括:
   (1)對已有的SVM多方法進行了分析總結(jié),指出現(xiàn)有SVM多分類算法中存在的主要問題,并針對這些問題進行探索研究。

3、>   (2)對不平衡數(shù)據(jù)分類問題進行了總結(jié)概括,指出現(xiàn)有不平衡數(shù)據(jù)分類方法的優(yōu)勢與不足,并針對這些不足提出改進策略。
   (3)提出一種針對于平衡多類數(shù)據(jù)的基于向量積的SVM多分類方法—DR-SVM學(xué)習算法,并對DR-SVM算法思想進行了研究和探討。該方法使用基于向量內(nèi)積的方法將待分類數(shù)據(jù)樣本進行預(yù)處理,在預(yù)處理的基礎(chǔ)上摒棄冗余信息,有效標注SVM的訓(xùn)練樣本,優(yōu)化分類器組模型,提高數(shù)據(jù)樣本分類效率。
   (4)提

4、出一種針對于不平衡的多類數(shù)據(jù)的基于空間擴展的SVM多分類方法——SS-SVM方法。SS-SVM方法首先利用基于空間擴展的方法對待分類數(shù)據(jù)進行預(yù)處理,增加訓(xùn)練集中少類樣本的數(shù)量,降低分類不平衡度,提高少類樣本的分類效率。
   (5)針對實驗中出現(xiàn)的“小區(qū)塊”問題、“冗余分類”問題、“絕對不平衡”問題等,在DR-SVM和SS-SVM的基礎(chǔ)上進行改進和優(yōu)化,參考和利用一系列的決策原則,并將這些原則應(yīng)用到具體類別劃分問題上。
 

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)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(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確性、安全性和完整性, 同時也不承擔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。

評論

0/150

提交評論