面向函数型数据分析的机器学习算法研究与应用

面向函数型数据分析的机器学习算法研究与应用

ID:35102019

大小:7.05 MB

页数:72页

时间:2019-03-17

面向函数型数据分析的机器学习算法研究与应用_第1页
面向函数型数据分析的机器学习算法研究与应用_第2页
面向函数型数据分析的机器学习算法研究与应用_第3页
面向函数型数据分析的机器学习算法研究与应用_第4页
面向函数型数据分析的机器学习算法研究与应用_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与应用》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、110单化代巧:00学号I么W巧^化《化义夫嗦硕±研究生学位论文题目帝向菱教聲教娛A批的扣获巧i枉表用专业歡營研究生慶爲—??指导教师徐永利曰期f曰:么〇月16年ir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,独立进行研巧王作所取得的成果。除文中己经注明引用的内容外,本论文不含任何其他个人或集体已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,均己在文中明确方式标明。本人完

2、全意识到本声明的法律结果由本人承担。作者签名.L:餐簇日期:7如b关于论文使用巧权的说明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:研巧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。学校有权保留并向国家有关部口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;学校可公布学位论文的全部或部分内容,可允许采用影印、缩印或其它复制手段保存、汇编学位论文。□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__年解密后适

3、用本授权书。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。_作者签名全-LU;聚省日期:iM导师签名ib:日期:L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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贾金学号2013200的6获学位专业名称数学获学位专业代码0701巧巧来巧国家自然科学基金研究方向统计学习理论论文

4、巧目面向函数型数据分析的机器学习算法研究与应用函数型巧巧,机巧学习,社会消々品巧售总巧,靑光眼诊断,VW关巧词多任务学习论文答辩日巧2016年5月15日*论文类型应用研究学位论文评闽及答辩委员会请况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评阀人1盲评评巧人2盲评评巧人3畜评答辩委员会主巧杨国孝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化分方程答辩委员2杨丰巧教授化京

5、化工大学最优化巧论与应用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最优化巧论答辩委员6李患强割教巧化京化工大学非参数佑计答辩委员7—_答辩委员8一::12.3..注.论文类巧.基础研究应巧研充开发巧究4其它二.中困分类卞在《中国田书資料分美法》奎巧.王3745-.学科分芙号在中华人民共和巧国家标々(班/T19)《学科分类与代4》中奎却,四.论文编号由单位

6、代4和年份及学号的后四位組成。m面向函数型数据分析的机器学习K法研究与应用巧要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小二乘正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。9""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84-20文基于我国在1910年间的该项数

7、据,设计了其长期趋势和季节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法一个低频函数和一个高,将社会消费品零售总额的离散数据拟合成一频函数之和。其中,低频画数体现了这数据的长期变化趋势高频;一一步函数体现了这数据的年内季节性变化特点。进,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

8、实数据上取得了很好‘的短期预测结果。一。青光眼是种严重的眼科疾病,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I北京化工大学硕±毕化论文廓线转化为能够反映局部杯盘比的连续曲线一。进步,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两项指标。在

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。