类间线性与非线性相关系数的研究及应用

发布时间：2021-03-31 13:28

　　在大数据时代,数据具有海量性、多样性等复杂特征,数据的相关分析开始引起人们的重视。世界上任何一个事物都不可能是独立存在的,他们或多或少都有联系,而相关系数可以反映事物之间的相关程度,因此研究相关系数是非常有意义的。本文就是在大数据背景下对相关分析的进一步探究,取得如下成果:（1）相关系数的研究通常是基于普通的确定性集合,比如Pearson相关系数、偏相关系数等,对不确定性集合各元素间的相关关系研究较少。受到学者对模糊集相关系数研究的启发,把皮尔逊相关系数和粗糙集结合,开创性地提出了建立在粗糙集上的相关系数计算方法,鉴于皮尔逊相关系数的适用条件,该方法刻画的是粗糙集各等价类之间的线性相关关系。文中不仅证明了该方法的正确性,而且用实例验证了该方法的有效性。（2）传统的统计相关分析是用来刻画变量间的线性关系的,基于互信息的相关分析是用来描述两个变量间的非线性关系的,基于距离的相关分析是用来描述高维数据的非线性相关关系的。上述线性关系和非线性关系都是研究变量之间的,而本文想要研究类与类之间的相关系数,在探究过程中发现希尔伯特-斯密特独立准则（Hilbert-Schmidt Independen... 

【文章来源】：山西大学山西省

【文章页数】：55 页

【学位级别】：硕士

【部分图文】：

caltech101飞机图像集实例

图 4.2 USPS 手写数字集示例 数据库中的 congressional voting record数据集包括每个代表议员在关键的 A 列出九种不同类型的票，两个类ml/machine-learning-databases/voting-re

【参考文献】：
期刊论文
[1]粗糙直觉模糊集的近似表示[J]. 石素玮,谭安辉.  数学的实践与认识. 2017(11)
[2]基于核函数特征提取的室内定位算法研究[J]. 李华亮,钱志鸿,田洪亮.  通信学报. 2017(01)
[3]一类模糊数据的相关系数研究[J]. 王忠玉,吴柏林.  经济研究导刊. 2015(02)
[4]有序判别典型相关分析[J]. 周航星,陈松灿.  软件学报. 2014(09)
[5]从希尔伯特-施密特独立性中学习的多标签半监督学习方法[J]. 张晨光,张燕,张夏欢.  中国科技论文. 2013(10)
[6]软件可靠性预测中不同核函数的预测能力评估[J]. 楼俊钢,蒋云良,申情,江建慧.  计算机学报. 2013(06)
[7]Convergence rate of kernel canonical correlation analysis[J]. CAI Jia1 & SUN HongWei2 1School of Mathematics and Computational Science,Guangdong University of Business Studies,Guangzhou 510320,China;2School of Science,University of Jinan,Jinan 250022,China.  Science China（Mathematics）. 2011(10)
[8]模糊数据均值方法及应用研究[J]. 王忠玉,吴柏林.  统计与信息论坛. 2010(10)
[9]非线性广义相关系数及其R语言实现[J]. 董晓萌.  科学技术与工程. 2010(16)
[10]一种覆盖粗糙模糊集模型[J]. 胡军,王国胤,张清华.  软件学报. 2010(05)

硕士论文
[1]支持向量机中Sigmoid核函数的研究[D]. 刘明.西安电子科技大学 2009



本文编号：3111520