基于機器學習算法在數(shù)據(jù)分類中的應用研究.pdf

1、現(xiàn)實中的很多實際問題都可以轉化為數(shù)據(jù)信息處理中的數(shù)據(jù)分類問題，例如氣象預報、商品推薦、生物信息、網(wǎng)絡檢測等，而數(shù)據(jù)信息處理都是以機器學習為基礎進行研究的。隨著科學技術的發(fā)展，機器學習算法的應用領域也變得十分廣泛。
　　本文主要介紹了兩種機器學習算法:粒子群算法優(yōu)化支持向量機和卷積神經(jīng)網(wǎng)絡。其中研究了粒子群算法優(yōu)化支持向量機在樹葉分類和癌癥基因分類中的預測，卷積神經(jīng)網(wǎng)絡在圖像分類中的應用。
　　(1)基于各種樹葉的特征構建一個

2、數(shù)據(jù)預處理模型:先對各種數(shù)據(jù)進行歸一化處理，采用主成分分析方法從16個特征中提取出3個主成分，再建立粒子群算法優(yōu)化后的支持向量機，用支持向量機對樹葉數(shù)據(jù)進行分類預測。實驗結果表明，相對于遺傳算法和網(wǎng)格搜索法尋到的最優(yōu)參數(shù)相比，粒子群算法優(yōu)化支持向量機具有最高的準確率，高達94.1％，高于其他兩種分類方法。
　　(2)將粒子群優(yōu)化的支持向量機模型應用到癌癥基因分類中，通過選取多組不同的實驗數(shù)據(jù)對癌癥手術后病人的復發(fā)和不復發(fā)的基因樣本