面向不平衡数据的马田系统分类方法及其应用研究
发布时间：2021-01-05 10:59
分类问题作为数据挖掘技术中的研究热点之一,其应用遍及各行各业。现有的一些分类方法,一般基于平衡的训练样本,因而它们对平衡数据的分类能取得较好的分类效果。然而,在实际问题中,数据平衡这一假定通常不成立,例如信用评估、故障诊断、入侵监测等,通常获得的数据集会出现类别间样本不平衡,并且同时伴随着类重叠、噪声干扰等现象。因此,解决此分类问题具有很强的理论意义和实用价值。马田系统（Mahalanobis-Taguchi System,MTS）是一种面向多元数据的分类、诊断和预测的定量模式识别方法。MTS有着诸多优点,如:MTS是基于数据的分析方法并可以实现真正意义上的降维,简化分类问题,并提高分类的精度和效率;MTS构建了一个连续的测量尺度,计算的是测试样本偏离基准空间的程度,这样有利于采取相对应的解决措施,提高解决问题的柔性。但作为一种新兴的方法,MTS在理论和应用上仍存在一些不足之处。本文面向不平衡数据,针对传统MTS存在的问题,采用多变量控制图、混沌二进制粒子群算法、核函数、AdaBoost集成算法等方法对其进行改进,目标是发展MTS成为一种适用于不平衡数据分类的高效方法。本文的研究工作主...
【文章来源】：南京理工大学江苏省 211工程院校
【文章页数】：139 页
【学位级别】：博士
【部分图文】：
图１．１近十年Ｅｎｇｉｎｅｅｒｉｎｇ?Ｖｉｌｌａｇｅ数据库关于不平衡学习的论文数目??
博士论文?面向不平衡数据的马田系统分类方法及其应用研宂??１２０?’??＾ｓｍ??１００??Ｍ｜???＿＿＿＿＿?＊??：?＾?＿＿＿＿＿??８〇?，?ＺＴ??ｊｍｔｍ??６０?‘?’??４０??２０??ｏ?－?Ｐｉ—??２００８?２００９?２０１０?２０１１?２０１２?２０１３?２０１４?２０１５?２０１６?２０１７??图１．２近十年ＣＮＫＩ数据库关于不平衡学习的论文数目??马山系统（Ｍａｈａｌａｎｏｂｉｓ－Ｔａｇｕｃｈｉ?Ｓｙｓｔｅｍ，?ＭＴＳ）是由日本著名质量工程学家田口玄??一博士于上世纪九十年代提出的一种具有较强实践性的模式识别方法，它的主要任务是??进行系统降维（即特征变量的优化）与类别识别｜８１。ＭＴＳ是将ｍｕ式信噪比的试验设计??方法的一整兗恐＆应用到模式识别的特征变Ｍ选样问题上，井通过构逑正常样品的基准??空间，应川马氏距离和阈值来进行样品类别的识別。近年来，Ｗ内外学片对ＭＴＳ进行??了深入的研究和广泛的应用，ＭＴＳ具有诸多优势：基于数据分折而非变量的概率分布；??提出ＭＴＳ与“多重共线性”之间的问题及解决的方法；分类和判别原理简单、速度快等。??目前，国内外学者对ＭＴＳ的研究和应用已贡献出许多成果，但在研究和应用过程中，??ＭＴＳ还存在一些不足之处：依据专业知识和历史经验确定基准空间缺乏客观规范的机??制；采用正交表和信噪比筛选特征变量的方法的效果并非最佳；基于损失函数的阈值确??定过程带有较强的主观性且操作较复杂；作为分类器的马氏距离在临界域附近分类精度??不尚等。??本文在前人研宄的基础上，针对马田系统存在的不足之处，利用核函数和优化算法??等对ＭＴＳ理论进
＞核函数理论??象时，采用核函数的思＾?面向不平衡数据的ＭＴＳ测量尺，＿＾?＞优化ＭＴＳ??＼?想，拓广方法的适用范度改进研究?＼＾１?＞数据集比较研究??围。??｜?＞实证研宄??Ｌ………?ＪＬ?■??：１？面向不■麵＿合＂１／?ｔ?誠算法＾??用ＡｄａＢｏｏｓｔ集成算法来］．＼￣１?＞数据集比较研究??提高方法的分类效能。??＾｜?＞实证研究??ｊ??Ｉ???？??—?——?芬—―——?———??结论与展望??图１．３论文技术路线图??论文的第五章为面向不平衡数据的ＭＴＳ测量尺度改进研究。当不平衡数据同时存在??类重叠现象时，将核函数引进到ＭＴＳ中与马氏距离相结合，形成新的测量尺度，以此??对多维空间的不平衡数据的类重叠分类问题进行研宄。??１６??
【参考文献】：
期刊论文
[1]GMM-UBM和SVM在说话人识别中的应用[J]. 李荟,赵云敏. 计算机系统应用. 2018(01)
[2]基于马田系统的智能手机用户体验评价研究[J]. 任海兵,周晶,冯万群. 包装工程. 2017(20)
[3]基于马田系统的滚动轴承初始故障检测和状态监测[J]. 剡昌锋,朱涛,吴黎晓,贝克,郭剑锋. 振动与冲击. 2017(12)
[4]基于多变量控制图的马田系统优化研究[J]. 顾玉萍,程龙生,生志荣. 数学的实践与认识. 2017(11)
[5]基于岭估计和AMOGA的马田系统分类方法[J]. 陶建波,程龙生,王会灵,邹庆士,唐庆国. 系统工程. 2017(04)
[6]基于EMD-SVD与马田系统的复杂系统健康状态评估[J]. 陈俊洵,程龙生,余慧,胡绍林. 系统工程与电子技术. 2017(07)
[7]基于控制图的马田系统马氏空间生成机理研究[J]. 生志荣,程龙生,顾玉萍. 数理统计与管理. 2017(06)
[8]基于EMD的改进马田系统的滚动轴承故障诊断[J]. 陈俊洵,程龙生,胡绍林,余慧. 振动与冲击. 2017(05)
[9]基于太赫兹光谱技术与CS-SVM的转基因产品鉴别（英文）[J]. 陈涛,李智,胡放荣,殷贤华,许川佩. 光谱学与光谱分析. 2017(02)
[10]基于GBMTS算法的不平衡数据分类研究[J]. 顾玉萍,程龙生,陈湘来. 数理统计与管理. 2016(06)
博士论文
[1]基于全方位优化算法的马田分类和排序评价方法研究及应用[D]. 牛俊磊.南京理工大学 2012
[2]关于马田系统若干问题的研究[D]. 陈湘来.南京理工大学 2008
[3]基于马氏田口的多元系统稳健性优化与诊断分析研究[D]. 韩亚娟.天津大学 2007
[4]混沌粒子群优化算法理论及应用[D]. 唐贤伦.重庆大学 2007
硕士论文
[1]基于马田系统的滚动轴承初始故障检测和状态监测[D]. 朱涛.兰州理工大学 2016
[2]基于马田系统的海洋平台健康状态分析[D]. 瞿沙沙.大连海事大学 2015
[3]基于改进度量尺度和阈值确定方法的马田系统及其在邮件过滤中的应用[D]. 卓小伍.南京理工大学 2015
[4]基于粗糙集的马田系统研究及其在银行直接营销客户分类中的应用[D]. 林哲.南京理工大学 2015
[5]基于k-means算法的马田系统研究及其在个人信用评价中的应用[D]. 邹雅莹.南京理工大学 2014
[6]基于集成学习的不平衡数据分类[D]. 宋海燕.西安电子科技大学 2014
[7]基于马田系统的物业管理服务质量评价及应用[D]. 李晓伟.南京理工大学 2009
本文编号：2958540
【文章来源】：南京理工大学江苏省 211工程院校
【文章页数】：139 页
【学位级别】：博士
【部分图文】：
图１．１近十年Ｅｎｇｉｎｅｅｒｉｎｇ?Ｖｉｌｌａｇｅ数据库关于不平衡学习的论文数目??
博士论文?面向不平衡数据的马田系统分类方法及其应用研宂??１２０?’??＾ｓｍ??１００??Ｍ｜???＿＿＿＿＿?＊??：?＾?＿＿＿＿＿??８〇?，?ＺＴ??ｊｍｔｍ??６０?‘?’??４０??２０??ｏ?－?Ｐｉ—??２００８?２００９?２０１０?２０１１?２０１２?２０１３?２０１４?２０１５?２０１６?２０１７??图１．２近十年ＣＮＫＩ数据库关于不平衡学习的论文数目??马山系统（Ｍａｈａｌａｎｏｂｉｓ－Ｔａｇｕｃｈｉ?Ｓｙｓｔｅｍ，?ＭＴＳ）是由日本著名质量工程学家田口玄??一博士于上世纪九十年代提出的一种具有较强实践性的模式识别方法，它的主要任务是??进行系统降维（即特征变量的优化）与类别识别｜８１。ＭＴＳ是将ｍｕ式信噪比的试验设计??方法的一整兗恐＆应用到模式识别的特征变Ｍ选样问题上，井通过构逑正常样品的基准??空间，应川马氏距离和阈值来进行样品类别的识別。近年来，Ｗ内外学片对ＭＴＳ进行??了深入的研究和广泛的应用，ＭＴＳ具有诸多优势：基于数据分折而非变量的概率分布；??提出ＭＴＳ与“多重共线性”之间的问题及解决的方法；分类和判别原理简单、速度快等。??目前，国内外学者对ＭＴＳ的研究和应用已贡献出许多成果，但在研究和应用过程中，??ＭＴＳ还存在一些不足之处：依据专业知识和历史经验确定基准空间缺乏客观规范的机??制；采用正交表和信噪比筛选特征变量的方法的效果并非最佳；基于损失函数的阈值确??定过程带有较强的主观性且操作较复杂；作为分类器的马氏距离在临界域附近分类精度??不尚等。??本文在前人研宄的基础上，针对马田系统存在的不足之处，利用核函数和优化算法??等对ＭＴＳ理论进
＞核函数理论??象时，采用核函数的思＾?面向不平衡数据的ＭＴＳ测量尺，＿＾?＞优化ＭＴＳ??＼?想，拓广方法的适用范度改进研究?＼＾１?＞数据集比较研究??围。??｜?＞实证研宄??Ｌ………?ＪＬ?■??：１？面向不■麵＿合＂１／?ｔ?誠算法＾??用ＡｄａＢｏｏｓｔ集成算法来］．＼￣１?＞数据集比较研究??提高方法的分类效能。??＾｜?＞实证研究??ｊ??Ｉ???？??—?——?芬—―——?———??结论与展望??图１．３论文技术路线图??论文的第五章为面向不平衡数据的ＭＴＳ测量尺度改进研究。当不平衡数据同时存在??类重叠现象时，将核函数引进到ＭＴＳ中与马氏距离相结合，形成新的测量尺度，以此??对多维空间的不平衡数据的类重叠分类问题进行研宄。??１６??
【参考文献】：
期刊论文
[1]GMM-UBM和SVM在说话人识别中的应用[J]. 李荟,赵云敏. 计算机系统应用. 2018(01)
[2]基于马田系统的智能手机用户体验评价研究[J]. 任海兵,周晶,冯万群. 包装工程. 2017(20)
[3]基于马田系统的滚动轴承初始故障检测和状态监测[J]. 剡昌锋,朱涛,吴黎晓,贝克,郭剑锋. 振动与冲击. 2017(12)
[4]基于多变量控制图的马田系统优化研究[J]. 顾玉萍,程龙生,生志荣. 数学的实践与认识. 2017(11)
[5]基于岭估计和AMOGA的马田系统分类方法[J]. 陶建波,程龙生,王会灵,邹庆士,唐庆国. 系统工程. 2017(04)
[6]基于EMD-SVD与马田系统的复杂系统健康状态评估[J]. 陈俊洵,程龙生,余慧,胡绍林. 系统工程与电子技术. 2017(07)
[7]基于控制图的马田系统马氏空间生成机理研究[J]. 生志荣,程龙生,顾玉萍. 数理统计与管理. 2017(06)
[8]基于EMD的改进马田系统的滚动轴承故障诊断[J]. 陈俊洵,程龙生,胡绍林,余慧. 振动与冲击. 2017(05)
[9]基于太赫兹光谱技术与CS-SVM的转基因产品鉴别（英文）[J]. 陈涛,李智,胡放荣,殷贤华,许川佩. 光谱学与光谱分析. 2017(02)
[10]基于GBMTS算法的不平衡数据分类研究[J]. 顾玉萍,程龙生,陈湘来. 数理统计与管理. 2016(06)
博士论文
[1]基于全方位优化算法的马田分类和排序评价方法研究及应用[D]. 牛俊磊.南京理工大学 2012
[2]关于马田系统若干问题的研究[D]. 陈湘来.南京理工大学 2008
[3]基于马氏田口的多元系统稳健性优化与诊断分析研究[D]. 韩亚娟.天津大学 2007
[4]混沌粒子群优化算法理论及应用[D]. 唐贤伦.重庆大学 2007
硕士论文
[1]基于马田系统的滚动轴承初始故障检测和状态监测[D]. 朱涛.兰州理工大学 2016
[2]基于马田系统的海洋平台健康状态分析[D]. 瞿沙沙.大连海事大学 2015
[3]基于改进度量尺度和阈值确定方法的马田系统及其在邮件过滤中的应用[D]. 卓小伍.南京理工大学 2015
[4]基于粗糙集的马田系统研究及其在银行直接营销客户分类中的应用[D]. 林哲.南京理工大学 2015
[5]基于k-means算法的马田系统研究及其在个人信用评价中的应用[D]. 邹雅莹.南京理工大学 2014
[6]基于集成学习的不平衡数据分类[D]. 宋海燕.西安电子科技大学 2014
[7]基于马田系统的物业管理服务质量评价及应用[D]. 李晓伟.南京理工大学 2009
本文编号：2958540
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/2958540.html
