一種集成學(xué)習(xí)算法及其對(duì)灰霾預(yù)測(cè)的應(yīng)用研究.pdf

1、集成學(xué)習(xí)，是先將樣本提供給多個(gè)學(xué)習(xí)模型，再采取投票或是級(jí)聯(lián)等方法把這些學(xué)習(xí)模型的輸出集成起來的學(xué)習(xí)模型。集成學(xué)習(xí)采用合成多個(gè)學(xué)習(xí)模型的輸出，能夠顯著的提高學(xué)習(xí)模型的泛化能力。
　　 本文主要是對(duì)異質(zhì)集成算法的研究，通過對(duì)異質(zhì)集成算法的深入分析，提出一種泛化能力好的新型異質(zhì)集成算法，并對(duì)新提出的算法進(jìn)行理論分析和實(shí)驗(yàn)檢驗(yàn)。
　　 本文的主要工作和創(chuàng)新點(diǎn)如下:
　　 (1)提出了一種新的異質(zhì)混合集成算法。
　　

2、 個(gè)體學(xué)習(xí)器訓(xùn)練子集生成方面:在提取訓(xùn)練子集的過程中基于Bagging技術(shù)，從原始訓(xùn)練集中重復(fù)選取。為了增強(qiáng)各個(gè)訓(xùn)練子集的獨(dú)立性，采用隨機(jī)子空間法來提取訓(xùn)練子集。
　　 個(gè)體學(xué)習(xí)器模型選擇方而:采用決策樹和神經(jīng)網(wǎng)絡(luò)混合的方式來訓(xùn)練個(gè)體學(xué)習(xí)器。由于決策樹和神經(jīng)網(wǎng)絡(luò)等模型易于陷入空間局部最小，因此容易產(chǎn)生差異較大的個(gè)體學(xué)習(xí)器。
　　 結(jié)論集成方面:采用支持向量機(jī)來對(duì)個(gè)體學(xué)習(xí)器的結(jié)論進(jìn)行集成。支持向量機(jī)在防止過度擬合、運(yùn)算速

3、度和結(jié)果精度等方面表現(xiàn)出明顯的優(yōu)越性。本文將每個(gè)個(gè)體學(xué)習(xí)器的輸出結(jié)論作為一維特征，用所有個(gè)體學(xué)習(xí)器的輸出結(jié)論組成新的數(shù)據(jù)集，最后使用支持向量機(jī)在新的數(shù)據(jù)集上進(jìn)行學(xué)習(xí)和預(yù)測(cè)。
　　 (2)對(duì)新提出的異質(zhì)混合集成算法給出泛化誤差和個(gè)體學(xué)習(xí)器差異度的數(shù)學(xué)模型，并依據(jù)提出的數(shù)學(xué)模型指導(dǎo)算法的參數(shù)優(yōu)化。
　　 (3)采用此算法進(jìn)行了灰霾預(yù)測(cè)實(shí)驗(yàn)。選取濟(jì)南市2011年1月、4月、7月和10月二十四小時(shí)氣象和污染物排放的實(shí)測(cè)和預(yù)測(cè)數(shù)據(jù)