【摘要】：在線學(xué)習(xí)是近年來機(jī)器學(xué)習(xí)領(lǐng)域的熱點(diǎn)研究方向之一,因其與現(xiàn)實(shí)世界中各種問題的高度吻合而得到日益廣泛的關(guān)注。對于解決當(dāng)今社會生活中不斷爆炸式增長的新信息以及不斷堆積以至于冗余的舊信息的處理有天然的優(yōu)勢。當(dāng)目前對在線學(xué)習(xí)課題的研究主要仍停留在理論層面,主要關(guān)注的是如何從在線凸優(yōu)化的角度求解及算法的理論誤差界。本文選取了在線學(xué)習(xí)中具有高度應(yīng)用價(jià)值的幾個(gè)問題,包括：1)在線算法的核方法及如何避免不斷增長的核矩陣；2)在線回歸算法,特別是在線Boosting回歸技術(shù)的性能,優(yōu)勢,及其在列車精確停車問題中的應(yīng)用；3)如何利用在線算法設(shè)計(jì)在線投資組合策略,如何利用市場本身的波動(dòng)特性提高在線投資組合策略的性能。我們提出了以下改進(jìn)的算法并評估了它們的性能： (?)考察了幾種基于核的Perceptron類算法,并利用支持向量機(jī)中soft margin的方法改進(jìn)了其中性能較好的Projectron算法,改進(jìn)后的SMProj算法在提高性能的同時(shí),也減小了支持向量集的規(guī)模。對于現(xiàn)實(shí)生活中的分類問題有很好的指導(dǎo)意義。 (?)針對簡化的列車停車模型,考察了幾種回歸算法在該模型上的性能,并對其中的GP Boosting算法提出了在線化的方法。通過試驗(yàn)證實(shí)了在線Boosting回歸算法在列車停車問題上的可行性及優(yōu)勢。 (?)在Anticor算法的啟發(fā)下,深入研究并證明了該算法在投資組合問題上的機(jī)理,同時(shí)針對算法的疑點(diǎn),提出了改進(jìn)后的CorrReg算法。不僅通過市場的波動(dòng)和資產(chǎn)的相互關(guān)系預(yù)測資金的流動(dòng)方向,而且利用了在線算法中的internal regret量化了資金的流動(dòng)數(shù)量。使得算法更富有可解釋性。
【學(xué)位授予單位】：復(fù)旦大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2011
【分類號】：TP181;U495;F830

【引證文獻(xiàn)】

相關(guān)碩士學(xué)位論文 前1條

1 李哲;基于半監(jiān)督回歸的多模型在線軟測量系統(tǒng)研究[D];上海交通大學(xué);2011年

，

本文編號：2649467