本文關(guān)鍵詞：面向函數(shù)型數(shù)據(jù)分析的機(jī)器學(xué)習(xí)算法研究與應(yīng)用，，由筆耕文化傳播整理發(fā)布。

【摘要】：函數(shù)型數(shù)據(jù)是機(jī)器學(xué)習(xí)中的一類重要的數(shù)據(jù)類型。本文研究基于函數(shù)型數(shù)據(jù)的機(jī)器學(xué)習(xí)算法,針對經(jīng)濟(jì)數(shù)據(jù)和醫(yī)學(xué)數(shù)據(jù)提出了特征提取和預(yù)測的新的方法,針對多任務(wù)學(xué)習(xí)問題提出了多任務(wù)最小二乘正則化回歸算法。本文所提算法在測試數(shù)據(jù)集上取得了優(yōu)良的預(yù)測性能,并且為基于函數(shù)型數(shù)據(jù)的機(jī)器學(xué)習(xí)算法的設(shè)計提供了新的思路�！吧鐣M(fèi)品零售總額”是國民經(jīng)濟(jì)中的一項重要經(jīng)濟(jì)指標(biāo)。本文基于我國在1984-2010年間的該項數(shù)據(jù),設(shè)計了其長期趨勢和季節(jié)性波動的特征提取方法。利用基于主微分分析的正則化回歸迭代算法,將社會消費(fèi)品零售總額的離散數(shù)據(jù)擬合成一個低頻函數(shù)和一個高頻函數(shù)之和。其中,低頻函數(shù)體現(xiàn)了這一數(shù)據(jù)的長期變化趨勢；高頻函數(shù)體現(xiàn)了這一數(shù)據(jù)的年內(nèi)季節(jié)性變化特點(diǎn)。進(jìn)一步,在特征提取的基礎(chǔ)上,本文提出了基于長期趨勢和季節(jié)性趨勢的預(yù)測方法,并將二者預(yù)測之和作為最終預(yù)測。在長期趨勢的預(yù)測上,采用了平衡長期線性趨勢與局部導(dǎo)數(shù)信息的方法；在季節(jié)性趨勢的預(yù)測上,設(shè)計了前期季節(jié)性規(guī)律的加權(quán)算法。本文設(shè)計的預(yù)測方法在真實(shí)數(shù)據(jù)上取得了很好的短期預(yù)測結(jié)果。青光眼是一種嚴(yán)重的眼科疾病,早期診斷困難。本文提出了基于眼底照的特征提取和青光眼預(yù)測方法。本文將眼底照中的視杯視盤輪廓線轉(zhuǎn)化為能夠反映局部杯盤比的連續(xù)曲線。進(jìn)一步,基于這條曲線,借鑒醫(yī)生的先驗知識,提出了垂直杯盤比和ISNT評分兩項評價指標(biāo)�；谶@兩項指標(biāo),運(yùn)用支持向量機(jī)算法對眼底照進(jìn)行兩分類預(yù)測。在測試數(shù)據(jù)集上,我們的方法獲得了93%的預(yù)測準(zhǔn)確率。多任務(wù)學(xué)習(xí)的目標(biāo)是借助相關(guān)任務(wù)的信息來提高目標(biāo)任務(wù)的預(yù)測準(zhǔn)確率。本文設(shè)計了多任務(wù)最小平方正則化回歸算法。該算法能夠利用相關(guān)任務(wù)的樣本數(shù)據(jù)為目標(biāo)任務(wù)選擇最合適的模型參數(shù),進(jìn)而利用目標(biāo)任務(wù)的樣本完成對目標(biāo)任務(wù)回歸函數(shù)的預(yù)測。在仿真實(shí)驗中,本文所提多任務(wù)學(xué)習(xí)算法能夠選取更為合適的模型參數(shù),從而取得了優(yōu)于單任務(wù)學(xué)習(xí)的預(yù)測結(jié)果。
【關(guān)鍵詞】：函數(shù)型數(shù)據(jù) 機(jī)器學(xué)習(xí) 社會消費(fèi)品零售總額 青光眼診斷 多任務(wù)學(xué)習(xí)
【學(xué)位授予單位】：北京化工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP181
【目錄】：

• 摘要4-6
• ABSTRACT6-13
• 符號說明13-14
• 第一章 緒論14-28
• 1.1 研究背景及意義14-15
• 1.2 函數(shù)型數(shù)據(jù)分析方法15-21
• 1.2.1 函數(shù)型數(shù)據(jù)方法原理16-17
• 1.2.2 函數(shù)型數(shù)據(jù)模型17-21
• 1.3 支持向量機(jī)算法21-25
• 1.4 研究方法和論文結(jié)構(gòu)25-26
• 1.5 本文的創(chuàng)新點(diǎn)26-28
• 第二章 社會消費(fèi)品零售總額研究28-46
• 2.1 社會消費(fèi)品零售總額數(shù)據(jù)及其研究簡介28-29
• 2.2 社會消費(fèi)品零售總額數(shù)據(jù)規(guī)律研究29-37
• 2.2.1 數(shù)據(jù)分解30
• 2.2.2 函數(shù)型主微分分析及其迭代算法30-34
• 2.2.3 社會消費(fèi)品零售總額的相平面分析34-37
• 2.3 社會消費(fèi)品零售總額數(shù)據(jù)的預(yù)測37-46
• 2.3.1 社會消費(fèi)品零售總額預(yù)測基本思想37-39
• 2.3.2 社會消費(fèi)品零售總額的預(yù)測算法39-43
• 2.3.3 社會消費(fèi)品零售總額預(yù)測實(shí)驗43-46
• 第三章 青光眼分類診斷46-54
• 3.1 青光眼及計算機(jī)輔助診斷研究現(xiàn)狀46-47
• 3.2 青光眼診斷算法設(shè)計原理47-48
• 3.3 特征提取和分類48-51
• 3.3.1 計算垂直杯盤比48
• 3.3.2 計算ISNT score48-49
• 3.3.3 分類49
• 3.3.4 算法流程描述49-51
• 3.4 實(shí)驗51-53
• 3.4.1 實(shí)驗設(shè)計51
• 3.4.2 用于比較的特征提取方法51-52
• 3.4.3 實(shí)驗結(jié)果52-53
• 3.5 總結(jié)53-54
• 第四章 多任務(wù)最小二乘正則化回歸算法54-60
• 4.1 算法設(shè)計54-55
• 4.2 仿真實(shí)驗55-58
• 4.2.1 實(shí)驗設(shè)計55-56
• 4.2.2 實(shí)驗結(jié)果56-57
• 4.2.3 參數(shù)選擇分析57-58
• 4.3 結(jié)論58-60
• 第五章 結(jié)論60-62
• 參考文獻(xiàn)62-66
• 致謝66-68
• 碩士期間研究成果及發(fā)表的學(xué)術(shù)論文68-70
• 作者及導(dǎo)師簡介70-71
• 附件71-72

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前9條

1 楊新洪;;深圳經(jīng)濟(jì)特區(qū)消費(fèi)品市場變化研究——商品銷售額與社會消費(fèi)品零售總額增長的相關(guān)分析[J];調(diào)研世界;2013年11期

2 王潔丹;朱建平;付榮;;函數(shù)型死亡率預(yù)測模型[J];統(tǒng)計研究;2013年09期

3 嚴(yán)明義;蒲涇涇;嚴(yán)康;;函數(shù)性數(shù)據(jù)的微分方程分析方法及經(jīng)濟(jì)應(yīng)用[J];統(tǒng)計與信息論壇;2013年08期

4 王正歡;劉琦;羅朝輝;楊柱元;;基于小波分析的全國社會消費(fèi)品零售總額時間序列預(yù)測[J];云南民族大學(xué)學(xué)報(自然科學(xué)版);2011年03期

5 嚴(yán)明義;杜鵬;;中國消費(fèi)價格指數(shù)季節(jié)變動的函數(shù)性數(shù)據(jù)分析[J];統(tǒng)計與信息論壇;2010年08期

6 法麗娜;;關(guān)于我國社會消費(fèi)品零售總額持續(xù)增長的實(shí)證分析[J];經(jīng)濟(jì)問題;2010年05期

7 葉振軍;張慶翠;王春峰;;時變參數(shù)N-S期限結(jié)構(gòu)模型的主微分分析及其實(shí)證研究[J];預(yù)測;2009年04期

8 邵民智;;上海社會消費(fèi)品零售總額的灰色系統(tǒng)分析[J];統(tǒng)計與決策;2005年23期

9 劉曉梅,傅德印;對我國2004年社會消費(fèi)品月度零售總額分析預(yù)測[J];甘肅科學(xué)學(xué)報;2004年01期

  本文關(guān)鍵詞：面向函數(shù)型數(shù)據(jù)分析的機(jī)器學(xué)習(xí)算法研究與應(yīng)用，由筆耕文化傳播整理發(fā)布。

本文編號：261056