面向函数型数据分析的机器学习算法研究及应用

面向函数型数据分析的机器学习算法研究及应用

ID:34568173

大小:9.33 MB

页数:73页

时间:2019-03-08

面向函数型数据分析的机器学习算法研究及应用_第1页
面向函数型数据分析的机器学习算法研究及应用_第2页
面向函数型数据分析的机器学习算法研究及应用_第3页
面向函数型数据分析的机器学习算法研究及应用_第4页
面向函数型数据分析的机器学习算法研究及应用_第5页
资源描述:

《面向函数型数据分析的机器学习算法研究及应用》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、万方数据北京化工大学学位论文原创性声明本人郑重声明:所呈交的学位论文,是本人在导师的指导下,独立进行研究工作所取得的成果。除文中已经注明引用的内容外,本论文不含任何其他个人或集体己经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体,均己在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。作者签名..咬鑫日期:矽16.j一关于论文使用授权的说明学位论文作者完全了解北京化工大学有关保留和使用学位论文的规定,即:研究生在校攻读学位期间论文工作的知识产权单位属北京化工大学。学校有权保

2、留并向国家有关部门或机构送交论文的复印件和磁盘,允许学位论文被查阅和借阅;学校可以公布学位论文的全部或部分内容,可以允许采用影印、缩印或其它复制手段保存、汇编学位论文。口论文暂不公开(或保密)注释:本学位论文属于暂不公开(或保密)范围,在一年解密后适用本授权书。囱非暂不公开(或保密)论文注释:本学位论文不属于暂不公开(或保密)范围,适用本授权书。作者签名:宣垒日期:导师签名:笙釜邋日期:劢t6。≥,I

3、7万方数据学位论文数据集中图分类号029学科分类号110.87论文编号1001020160896密

4、级非保密学位授予单位代码10010学位授予单位名称北京化工大学作者姓名贾鑫学号2013200896获学位专业名称数学获学位专业代码070l课题来源国家自然科学基金研究方向统计学习理论论文题目面向函数型数据分析的机器学习算法研究与应用函数型数据,机器学习,社会消费品零售总额,青光眼诊断,关键词多任务学习论文答辩日期2016年5月15日率论文类型应用研究学位论文评阅及答辩委员会情况姓名职称工作单位学科专长指导教师徐永利副教授北京化工大学统计学习理论评阅人l盲评评阅人2盲评评阅人3盲评答辩委员会主席杨国孝

5、教授北京理工大学应用数学答辩委员1许兰喜教授北京化工大学微分方程答辩委员2杨丰梅教授北京化工大学最优化理论与应用答辩委员3姜广峰教授北京化工大学奇点理论及其应用答辩委员4崔丽鸿教授北京化工大学小波分析答辩委员5袁文燕副教授北京化工大学最优化理论答辩委员6李志强副教授北京化工大学非参数估计答辩委员7答辩委员8j王:一.四.论文类型:1.基础研究2.应用研究3.开发研究4.其它中图分类号在《中国图书资料分类法》查询。学科分类号在中华人民共和国国家标准(GB/T13745-9)《学科分类与代码》中查询。论

6、文编号由单位代码和年份及学号的后四位组成。万方数据摘要面向函数型数据分析的机器学习算法研究与应用函数型数据是机器学习中的一类重要的数据类型。本文研究基于函数型数据的机器学习算法,针对经济数据和医学数据提出了特征提取和预测的新的方法,针对多任务学习问题提出了多任务最/.b-乘正则化回归算法。本文所提算法在测试数据集上取得了优良的预测性能,并且为基于函数型数据的机器学习算法的设计提供了新的思路。“社会消费品零售总额”是国民经济中的一项重要经济指标。本文基于我国在1984.20lO年问的该项数据,设计了其

7、长期趋势和季节性波动的特征提取方法。利用基于主微分分析的正则化回归迭代算法,将社会消费品零售总额的离散数据拟合成一个低频函数和一个高频函数之和。其中,低频函数体现了这一数据的长期变化趋势;高频函数体现了这一数据的年内季节性变化特点。进一步,在特征提取的基础上,本文提出了基于长期趋势和季节性趋势的预测方法,并将二者预测之和作为最终预测。在长期趋势的预测上,采用了平衡长期线性趋势与局部导数信息的方法;在季节性趋势的预测上,设计了前期季节性规律的加权算法。本文设计的预测方法在真实数据上取得了很好的短期预测

8、结果。青光眼是一种严重的眼科疾病,早期诊断困难。本文提出了基于眼底照的特征提取和青光眼预测方法。本文将眼底照中的视杯视盘轮万方数据北京化工大学硕士毕业论文廓线转化为能够反映局部杯盘比的连续曲线。进一步,基于这条曲线,借鉴医生的先验知识,提出了垂直杯盘比和ISNT评分两项评价指标。基于这丽项指标,运用支持向量机算法对眼底照进行两分类预测。在测试数据集上,我们的方法获得了93%的预测准确率。多任务学习的目标是借助相关任务的信息来提高目标任务的预测准确率。本文设计了多任务最小平方正则化回归算法。该算法能够

9、利用相关任务的样本数据为目标任务选择最合适的模型参数,进而利用目标任务的样本完成对目标任务回归函数的预测。在仿真实验中,本文所提多任务学习算法能够选取更为合适的模型参数,从而取得了优于单任务学习的预测结果。关键词:函数型数据,机器学习,社会消费品零售总额,青光眼诊断,多任务学习11万方数据ABSTRACTMACHINELEARNINGALGoIUTHMRESEARCHANDAPPLICATIoNBASEDoNFUNCTIoNALDATAANALYSISFunction

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。