基于svr的案例挖掘的应用研究

《基于svr的案例挖掘的应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于SVR的案例挖掘的应用研究ThestudyoftheCaseDataMiningontheSVR作者姓名韭莹、、学位类型堂压亟±学科、专业．篮：垦笪堡皇篮：垦丕统研究方向值：息资速筐堡导师及职称垂雪蝇虿』数援2011年4月_．～合肥工业大学本论文经答辩委员会全体委员审查，确认符合合肥工业大学硕士学位论文质量要求。答辩委员会签名：(工作单位、职称)主席：步哆历7故孑≯当么学院即锨僭委员：栖嚷喙亨苡么让詹杠如天豢亏舻熏疋乒舷乏1弓于无量导师：毛、旁耽名碍沙以章别担兹学位论文作者签字：}文肇签字日

2、期：厶11年岁月>日学位论文版权使用授权书本学位论文作者完全了解金8曼王些太堂有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅或借阅。本人授权金壁王些盍堂可以将学位论文的全部或部分论文内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。(保密的学位论文在解密后适用本授权书)学位论文者签名：亏长星签字日期：2Q¨年s月≥日学位论文作者毕业后去向：工作单位：通讯地址：新躲形雪暇／签字日期：矽f7年多月／；日电话：邮编：—

3、]基于SVR的案例挖掘的应用研究摘要进入二十一世纪以来，随着科学技术、计算机网络技术的飞速发展以及电子商务时代的到来，各行各业都积累了大量的数据，目前数据的规模需要用T来衡量，而且这种规模还在急剧的增长，我们迫切需要对这些数据进行深度挖掘，把它转化为对我们有价值的知识和信息，并且把这些知识和信息用在各个方面。比如电子商务管理、决策、调控等。所以数据挖掘技术由此应运而生。由于影响病理肠癌五年生存的相关属性比较多，个体存在差异，数据多呈现非线性变化，每个属性值大小反应的程度又是不同的，所以采用SVM

4、方法进行归类存在一定的局限性；同时一个好的预测模型应该具有良好的学习性能，能够通过不同的影响因素值进行预后判断，得出的五年生存的程度也有大小的不同，本文使用SVR方法对病理肠癌进行了研究。本文首先介绍了课题的研究背景：数据挖掘技术的产生、发展、定义、课题的研究意义以及数据挖掘在国内外的研究现状。其次介绍了统计学习理论以及支持向量机的基本知识，主要包括VC维理论、推广性的界、结构风险最小化和支持向量机的基本原理、最优超平面、核函数及其选择。再次，介绍了支持向量回归机的原理、支持向量回归机的两种模型

5、和核函数及参数选择。最后，在前面章节所介绍的支持向量机以及支持向量回归机基本知识的基础上，利用中山医科大学肿瘤医院120组肠癌病理记录作为样本数据，分别用支持向量回归机和支持向量机方法分别对肠癌五年生存的预后判断进行预测并比较，发现支持向量回归机方法能获得较小的相对误差，其实际结果有相当理想的精度，满足预测要求。关键词：数据挖掘；支持向量机；支持向量回归机；预测ThestudyoftheCaseDataMiningontheSVRAbstractIrlthetwenty-firstcentury

6、，谢ththerapiddevelopmentofscienceandtechnology，computernetworktechnologyande-commerceera,allkindsofbusinesseshaveaccumulatedlargeamountsofdata,thecurrentsizeofthedataneedtheTtomeasureandthisscaleisquicklygrowth，weurgentlyneedthedepthofthesedatamining，

7、putitintoOurvaluableknowledgeandinformation,andusethatknowledgeandinformationinallaspects．Suchase-commercemanagement，decision-making，regulationandSOon．Therefore，theresultingdatamiIlil冯cameintobeing．Becauseoffive-yearsurvivalofthepathologicalcarcinoma

8、ofrectumhasmanyrelatedproperties，individualdifferences，thedatashownon-linearchange，thesizeofeachattributevalueisdifferent,theextentofreactionisdifferent，SOtheclassifiedmethodbySVMhascertainlimitations；what’Smore，agoodpredictionmodelshouldhaveagoodlea