在大數(shù)據(jù)時(shí)代,如何利用大數(shù)據(jù)進(jìn)行有效分析已經(jīng)成為各行各業(yè)關(guān)注的焦點(diǎn)。由于大數(shù)據(jù)的來(lái)源、數(shù)量、結(jié)構(gòu)形式的不同、實(shí)時(shí)性等多樣化的特點(diǎn)使其涵蓋的價(jià)值很高,但其價(jià)值密度卻很低。大數(shù)據(jù)集中存在的數(shù)據(jù)噪聲和數(shù)據(jù)冗余會(huì)對(duì)數(shù)據(jù)分析產(chǎn)生不可估量的負(fù)面影響。此外,大數(shù)據(jù)集中還涵蓋了多個(gè)變量之間的函數(shù)關(guān)系,可能會(huì)對(duì)數(shù)據(jù)分析結(jié)果產(chǎn)生一定的偏差。因此,在利用大數(shù)據(jù)進(jìn)行分析研究之前首先要對(duì)大數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理,剔除冗余和無(wú)效數(shù)據(jù)。然而傳統(tǒng)的大數(shù)據(jù)預(yù)處理方法并沒(méi)有考慮變量之間的函數(shù)關(guān)系。數(shù)據(jù)包絡(luò)分析（Data Envelopment Analysis,DEA）可以有效處理由變量之間函數(shù)關(guān)系引發(fā)的偏差問(wèn)題。在利用DEA進(jìn)行數(shù)據(jù)預(yù)處理的過(guò)程中,無(wú)需預(yù)知輸入輸出變量之間的函數(shù)關(guān)系、無(wú)需事先設(shè)定權(quán)重,通過(guò)求得的效率值篩選得到最有效的數(shù)據(jù),剔除異常值和冗余值,在不改變數(shù)據(jù)質(zhì)量的前提下縮減數(shù)據(jù)的數(shù)量,是一種可以應(yīng)用于機(jī)器學(xué)習(xí)的數(shù)據(jù)預(yù)處理的有效方式。此外,常用的大數(shù)據(jù)建模工具不能有效地對(duì)包含復(fù)雜非線性關(guān)系的大數(shù)據(jù)進(jìn)行建模。目前關(guān)于大數(shù)據(jù)建模比較好的方法有徑向基函數(shù)（Radial-Basis Function,RBF）和支持向量機(jī)... 

【文章來(lái)源】：南京郵電大學(xué)江蘇省

【文章頁(yè)數(shù)】：58 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

面向大數(shù)據(jù)的基于DEA和RBF/SVM的技術(shù)路線圖

南京郵電大學(xué)碩士研究生學(xué)位論文第四章DEA-RBF和DEA-SVM的仿真研究圖4.1Y1的預(yù)測(cè)值和真實(shí)值對(duì)比圖4.2Y2的預(yù)測(cè)值和真實(shí)值對(duì)比根據(jù)圖4.1和圖4.2的預(yù)測(cè)結(jié)果圖不難看出，除了個(gè)別點(diǎn)，總體來(lái)說(shuō)利用DEA-RBF方法求出的預(yù)測(cè)值與其真實(shí)值之間相差不大，預(yù)測(cè)結(jié)果比較好。為了更加精確的對(duì)比結(jié)果，表4.2列出了26個(gè)測(cè)試單元輸出的預(yù)測(cè)值和真實(shí)值之間的誤差比較。誤差率的公式如下：誤差率=真實(shí)值預(yù)測(cè)值真實(shí)值100%，(4.2)25

南京郵電大學(xué)碩士研究生學(xué)位論文第四章DEA-RBF和DEA-SVM的仿真研究圖4.1Y1的預(yù)測(cè)值和真實(shí)值對(duì)比圖4.2Y2的預(yù)測(cè)值和真實(shí)值對(duì)比根據(jù)圖4.1和圖4.2的預(yù)測(cè)結(jié)果圖不難看出，除了個(gè)別點(diǎn)，總體來(lái)說(shuō)利用DEA-RBF方法求出的預(yù)測(cè)值與其真實(shí)值之間相差不大，預(yù)測(cè)結(jié)果比較好。為了更加精確的對(duì)比結(jié)果，表4.2列出了26個(gè)測(cè)試單元輸出的預(yù)測(cè)值和真實(shí)值之間的誤差比較。誤差率的公式如下：誤差率=真實(shí)值預(yù)測(cè)值真實(shí)值100%，(4.2)25

【參考文獻(xiàn)】：
期刊論文
[1]煙草行業(yè)實(shí)驗(yàn)室安全文化評(píng)價(jià)模型[J]. 汪洪焦,竇濱,張其東,劉國(guó)愈,賈云禎,王燃.  中國(guó)煙草學(xué)報(bào). 2020(02)
[2]基于DEA的中國(guó)高原訓(xùn)練資源配置效率評(píng)價(jià)研究[J]. 張俊珍.  西安體育學(xué)院學(xué)報(bào). 2019(06)
[3]醫(yī)改背景下基于DEA的醫(yī)院科室運(yùn)行效率評(píng)價(jià)[J]. 劉利,王楠,武愛(ài)文.  中國(guó)衛(wèi)生統(tǒng)計(jì). 2019(05)
[4]基于MRMR-HK-SVM模型的PM2.5濃度預(yù)測(cè)[J]. 李建新,劉小生,劉靜,黃俊.  中國(guó)環(huán)境科學(xué). 2019(06)
[5]基于SGA-RBF的協(xié)同過(guò)濾算法研究[J]. 王玉珍,許艷茹,常丹.  統(tǒng)計(jì)與決策. 2019(04)
[6]新電改背景下基于數(shù)據(jù)包絡(luò)分析的電網(wǎng)投資有效性研究與應(yīng)用[J]. 石蓉,李永毅,王開(kāi)艷,張磊,賈嶸,郎銳.  電網(wǎng)與清潔能源. 2019(02)
[7]基于社會(huì)化媒體的公共政策輿情預(yù)測(cè)研究[J]. 王亞民,寧?kù)o,馬續(xù)補(bǔ).  情報(bào)理論與實(shí)踐. 2019(01)
[8]量子粒子群BP神經(jīng)網(wǎng)絡(luò)在GNSS高程轉(zhuǎn)換中的應(yīng)用分析[J]. 韓紅超.  測(cè)繪通報(bào). 2019(01)
[9]時(shí)間序列預(yù)測(cè)方法綜述[J]. 楊海民,潘志松,白瑋.  計(jì)算機(jī)科學(xué). 2019(01)
[10]基于短期風(fēng)功率預(yù)測(cè)的數(shù)據(jù)預(yù)處理算法研究[J]. 許夢(mèng)田,王洪哲,趙成萍,嚴(yán)華.  可再生能源. 2019(01)

博士論文
[1]大數(shù)據(jù)背景下煤礦安全管理效率分析及提升仿真研究[D]. 喬萬(wàn)冠.中國(guó)礦業(yè)大學(xué) 2019
[2]最小二乘支持向量機(jī)建模及預(yù)測(cè)控制算法研究[D]. 李麗娟.浙江大學(xué) 2008

碩士論文
[1]保障性住房項(xiàng)目績(jī)效評(píng)價(jià)研究[D]. 曲傳剛.西安建筑科技大學(xué) 2017
[2]A汽車4S店零部件需求預(yù)測(cè)研究[D]. 姜月娜.北京交通大學(xué) 2017
[3]南海島礁風(fēng)能資源及風(fēng)力發(fā)電評(píng)價(jià)[D]. 蔣潔.南京大學(xué) 2016
[4]保障性住房項(xiàng)目績(jī)效評(píng)價(jià)研究[D]. 鄧潔.集美大學(xué) 2012
[5]保障性住房項(xiàng)目的質(zhì)量管理體系研究[D]. 李玲.武漢理工大學(xué) 2011
[6]基于數(shù)據(jù)挖掘的葡萄酒質(zhì)量識(shí)別[D]. 林翠香.中南大學(xué) 2010
[7]城市宜居性評(píng)價(jià)研究[D]. 李小英.蘭州大學(xué) 2007



本文編號(hào)：3449573