近年來(lái),地學(xué)空間信息處理、機(jī)器學(xué)習(xí)等技術(shù),促進(jìn)了空間定量預(yù)測(cè)與評(píng)價(jià)方法的長(zhǎng)足發(fā)展。AdaBoost作為機(jī)器學(xué)習(xí)算法的一種,它能夠通過(guò)集成提升算法精度。成礦系統(tǒng)是一個(gè)多元、異構(gòu)的復(fù)雜系統(tǒng),成礦事件的起因、發(fā)展、結(jié)果在空間上都具有復(fù)雜的特征。因此,人們很難將某給定區(qū)域精確劃為“有礦”或“無(wú)礦”,而是給出一個(gè)“有礦的概率”,這通常表示一個(gè)模糊的邏輯。Real Adaboost分類器是對(duì)傳統(tǒng)的Discrete Adaboost分類器的擴(kuò)展和提升。相比于傳統(tǒng)弱分類器的二值輸出,Real Adaboost的每個(gè)弱分類器輸出的都是一個(gè)表示“屬于某個(gè)類的概率”,并通過(guò)將0-1的概率值映射到實(shí)數(shù)域,這也是“Real”的含義,能夠表達(dá)更為復(fù)雜的分類邏輯。本文的主要研究?jī)?nèi)容包括:(1)介紹了Boosting算法的提出和發(fā)展,對(duì)傳統(tǒng)和Real AdaBoost算法的誤差,進(jìn)行了分析說(shuō)明。(2)通過(guò)分析傳統(tǒng)Adaboost算法,分類器權(quán)重計(jì)算公式也存在一些問(wèn)題,例如:在分類錯(cuò)誤率接近0時(shí),分類器權(quán)重取值為正無(wú)窮,影響了最終強(qiáng)分類器精度;由于困難或異常樣本存在,在樣本權(quán)重更新過(guò)程中,多次被分錯(cuò)樣本的權(quán)重過(guò)大,進(jìn)而...

【文章頁(yè)數(shù)】：86 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1-1技術(shù)路線圖

中國(guó)地質(zhì)大學(xué)（北京）碩士學(xué)位論文9圖1-1技術(shù)路線圖1.4.2研究成果本文通過(guò)總結(jié)新疆東天山海相火山巖型鐵礦（紅云灘、百靈山、赤龍峰鐵礦）的成礦機(jī)理，分別對(duì)傳統(tǒng)AdaBoost算法，RealAdaBoost算法和改進(jìn)AdaBoost算法進(jìn)行實(shí)驗(yàn)分析，通過(guò)ROC曲線以及預(yù)測(cè)結(jié)果圖來(lái)....

圖2-1集成學(xué)習(xí)算法原理（改自：周志華，2016）

中國(guó)地質(zhì)大學(xué)（北京）碩士學(xué)位論文112集成學(xué)習(xí)與AdaBoost算法2.1集成學(xué)習(xí)集成學(xué)習(xí)（Dietterich,1997；王玨和石純一，2003）方法是建立在個(gè)體學(xué)習(xí)器的基礎(chǔ)上，進(jìn)行有效融合集成形成強(qiáng)分類器的過(guò)程（如圖2-1所示）。在集成學(xué)習(xí)算法中，如果個(gè)體學(xué)習(xí)器都是相同類型的....

圖2-2傳統(tǒng)AdaBoost算法結(jié)構(gòu)圖

2集成學(xué)習(xí)與AdaBoost算法122.2AdaBoost算法AdaBoost作為Boosting算法最典型的的算法代表，因而也被評(píng)為數(shù)據(jù)挖掘十大算法之一（Zhouetal.,2009）。以致于無(wú)特殊說(shuō)明，提到Boosting算法所指的都是AdaBoost算法（王玲娣，2018）....

圖2-3在相同數(shù)據(jù)集上Bagging和AdaBoost算法的訓(xùn)練以及測(cè)試錯(cuò)誤率變化圖

2集成學(xué)習(xí)與AdaBoost算法162.2.3AdaBoost算法泛化誤差分析需注意的是，機(jī)器學(xué)習(xí)的目標(biāo)是使學(xué)得的模型能很好地適用于“新樣本”，而不是僅僅在訓(xùn)練樣本上工作得較好的學(xué)習(xí)模型。那么，適用于新樣本的能力，稱為“泛化”（generalization）能力（周志華，2016....

本文編號(hào)：3902404