机器学习管理平台的研究与实现

发布时间：2024-04-09 21:18

　　最近,机器学习技术十分火热,已成为当下发展速度最快的技术领域之一[1]。近年来,新算法的产生,数据量的井喷式增长,存储及计算能力的提高,使得机器学习算法开发成本不断下降,为其由理论研究走向大规模商用奠定了基础[1]。如今,机器学习、深度学习技术正处于一个蓬勃发展的阶段,其潜在的学术、应用价值也吸引了越来越多的学者、技术工程师积极投身于相关技术的研究工作中来。机器学习的目标是高准确度的算法模型,驱动力是数据集,要想得到满足要求的模型,就必须要使用大量数据去训练模型。同时,机器学习模型开发过程是个循环过程,需要多次优化后其性能才能达到实用的要求。整个开发过程持续时间较长,涉及大量工作。为了将研究员从简单但繁杂的周边工作中解放出来,让他们更专注于模型搭建以及模型调优工作,我们特意设计了这款机器学习管理系统。本系统所提供的服务覆盖机器学习模型开发工程的整个生命周期,针对周期中每个阶段的具体任务提供支撑性服务,辅助开发者完成相应阶段的任务,提高工作效率,加快开发进程。平台提供的相应服务包括:数据集管理服务(数据采集、清洗、预处理等),模型管理服务(版本控制、日志管理等),训练过程管理服务,优化过...

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 项目背景及意义
        1.1.1 项目背景
        1.1.2 研究意义
    1.2 机器学习算法开发过程管理平台国内外发展现状
    1.3 论文的研究内容
    1.4 本文章节安排
    1.5 本章小结
第二章 相关技术及理论
    2.1 项目开发环境的选择
        2.1.1 JDK
        2.1.2 IntelliJ IDEA
        2.1.3 Maven
    2.2 项目部署与运行环境
    2.3 框架以及其他开源项目
        2.3.1 Struts2框架
        2.3.2 Hibernate框架
        2.3.3 Spring框架
        2.3.4 Redis
    2.4 设计模式的使用
        2.4.1 MVC架构模式及其改进
        2.4.2 工厂、单态以及多态模式
        2.4.3 代理模式
        2.4.4 其他编程规则的使用
    2.5 本章小结
第三章 系统需求分析
    3.1 系统开发背景
    3.2 系统需求分析方法
        3.2.1 层次分析法
        3.2.2 软件工程中的马洛斯需求层次理论
        3.2.3 基于ISM和AHP组合的需求优先级排序方法
    3.3 系统用例图
        3.3.1 个人账号管理模块
        3.3.2 数据集管理模块
        3.3.3 算法管理模块
        3.3.4 系统管理模块
    3.4 本章小结
第四章 系统设计与实现
    4.1 项目部署与运行环境的设计、搭建与测试
    4.2 项目分层架构设计与框架整合
        4.2.1 项目分层架构设计
        4.2.2 创建Apache Maven项目
        4.2.3 项目中集成Struts2框架
        4.2.4 项目中集成Hibernate框架
        4.2.5 项目中集成Spring框架
    4.3 系统详细架构图以及系统运行机制
    4.4 系统界面设计
    4.5 本章小结
第五章 系统测试、部署及运行维护
    5.1 系统测试环境
    5.2 测试用例
    5.3 测试结果
    5.4 项目成果展示
    5.5 系统特色功能
    5.6 本章小结
第六章 总结与展望
参考文献
附录1 缩略语表
致谢
攻读学位期间发表的学术论文目录



本文编号：3949653