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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、天津大學(xué)碩士學(xué)位論文基于支持向量機(jī)的數(shù)據(jù)挖掘姓名：鄭建華申請(qǐng)學(xué)位級(jí)別：碩士專業(yè)：計(jì)算機(jī)應(yīng)用技術(shù)指導(dǎo)教師：趙政20040601ABSTRACTInthepastyearscomputertechniquesespeciallyofdatabasetechniqueshavedevelopedgreatlyareaofpeoplesactivitieshasbeenextendedrhythmoflifehasspeededup.Peopl
2、eareabletogetandstoredatamorequicklyeasilyandcheaplywhichmakethedataandinformationincreaseexponentially.Facingthegreatcapacityofdatapeopleareunderthepressureof“informationexplosion“and“dataglut“.Itwillbegarbageifthemassi
3、vedatacantbeexploited.Itstheknowledgethathasgreatefectonthedevelopmentofsociety.Dataminingisatechnologythatfindsunder]如ngrulesandextractsvaluableknowledge.Therearelotsofbranchesindataminingoneofthemisclassificationrulesm
4、ining.Withpropertrainingalgorithmontrainingdataitwillgenerateclassifiersthatcouldgetpredictiontounknownexamples.Supportvectormachine(SVM)isanewclassificationalgorithmbasedonstatisticallearningtheory.Comparedtootherclassi
5、fiersSVMhasbettergeneralizationperformanceandhigherpredictionaccuracytotestexample.SoSVMhashadalotofapplicationNaiveSVMisonlyabletodealwithbinaryclassification.InthisthesisafterdiscussedthecurrentmulticlassSVMsanovelmult
6、iclassSVMclassifierbasedongeometricdistanceisproposed.AndtheprobabilityoutputofbinarySVMisgeneralizedtomulticlassSVMwithoutiterationcomputingwhichimprovespredictionaccuracywithfastcomputation.Thenumericexperimentprovedth
7、atboththeabovetwomethodshavegoodgeneralizationwhichwillincreasepredictionaccuracytounknownexamples.InchapterIofthisthesisthehistoryandrelatedtheoriesofdataminingareintroduced.Inchapter2thetaxonomyprocessingmodelsandsomep
8、opulartechnologiesarediscussed.Inchapter3statistical]earningtheoryandSVMareintroducedandthenanewmulticlassSVMbasedongeometricdistanceisproposedinchapter4.Inchapter5theprobabilityoutputisgeneralizedtomulticlassproblems.At
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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)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(kù)僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)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(duì)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(qǐng)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于支持向量機(jī)的數(shù)據(jù)挖掘方法.pdf
- 基于支持向量機(jī)的數(shù)據(jù)挖掘應(yīng)用研究.pdf
- 基于支持向量機(jī)的情報(bào)數(shù)據(jù)分類挖掘.pdf
- 基于支持向量機(jī)的智能數(shù)據(jù)挖掘算法研究.pdf
- 基于支持向量機(jī)的數(shù)據(jù)挖掘技術(shù)研究.pdf
- 基于改進(jìn)支持向量機(jī)的數(shù)據(jù)挖掘分類算法研究.pdf
- 基于支持向量機(jī)的數(shù)據(jù)挖掘及其應(yīng)用研究.pdf
- 基于支持向量機(jī)的工業(yè)數(shù)據(jù)挖掘技術(shù)研究.pdf
- 基于聚類和支持向量機(jī)的數(shù)據(jù)挖掘方法研究.pdf
- 基于聚類技術(shù)支持向量機(jī)的數(shù)據(jù)挖掘研究.pdf
- 用于數(shù)據(jù)挖掘的支持向量機(jī)算法研究.pdf
- 基于數(shù)據(jù)挖掘與支持向量機(jī)的微網(wǎng)負(fù)荷預(yù)測(cè).pdf
- 面向數(shù)據(jù)挖掘的支持向量機(jī)技術(shù)研究.pdf
- 基于支持向量機(jī)的過程工業(yè)數(shù)據(jù)挖掘技術(shù)研究.pdf
- 基于支持向量機(jī)的測(cè)井?dāng)?shù)據(jù)挖掘技術(shù)及應(yīng)用研究.pdf
- 基于支持向量機(jī)的代價(jià)敏感數(shù)據(jù)挖掘研究與應(yīng)用.pdf
- 基于支持向量機(jī)的數(shù)據(jù)挖掘預(yù)測(cè)算法的研究與應(yīng)用.pdf
- 基于支持向量機(jī)的點(diǎn)云數(shù)據(jù)修補(bǔ).pdf
- 基于粗糙集理論與支持向量機(jī)的數(shù)據(jù)挖掘方法算法研究.pdf
- 基于支持向量機(jī)的多光譜數(shù)據(jù)分類.pdf
評(píng)論
0/150
提交評(píng)論