针对高不确定数据集智能决策的混合支持向量机模型

发布时间：2021-10-17 04:43

　　现今世界上许多信息系统产生了大量的原始数据,这些原始数据往往是具有高度不平衡、高维度、大规模以及属性值各异等特性的高不确定数据。近些年来,通过可靠的机器学习技术来进行大数据挖掘变得尤为普遍。使用一般的机器学习方法来挖掘此类高不确定数据,很难达到令人满意是效果。因此,为了挖掘出高不确定数据中更多隐藏的、有用的信息,开发出高性能的机器学习方法来处理各种高不确定数据是很有必要的。本文提出了一种混合支持向量机模型来挖掘此类高不确定数据,其结构包括预处理、建立模型和参数优化三部分。数据预处理包括归一化和数据重采样,旨在根据先验知识使数据平滑。本文在重采样基础上,通过选择重复采样的次数,使得样本更加平滑,进一步提高分类器的性能。建立的算法模型为支持向量机（SupportVectorMachine,SVM）模型,它是一种基于结构风险最小化原则的方法,能够很好地处理高维数据,并且具有良好的泛化能力,但是只适合小样本数据,因此本文提出一种针对SVM的处理大规模数据的方法,以提高混合模型对大规模数据的处理能力。本文采用遗传算法（Genetic Algorithm,GA）、最基本粒子群优化法（Particl... 

【文章来源】：云南大学云南省 211工程院校

【文章页数】：80 页

【学位级别】：硕士

【部分图文】：

图２－２：?ＰＳＯ流程图??２．３．３网格搜索法??

图３－１混合模型整体结构图??２０??

d恤betes数据的R巴peated一NN~N方法结果

【参考文献】：
期刊论文
[1]基于支持向量机与无监督聚类相结合的中文网页分类器[J]. 李晓黎,刘继敏,史忠植.  计算机学报. 2001(01)
[2]关于统计学习理论与支持向量机[J]. 张学工.  自动化学报. 2000(01)

博士论文
[1]基于优化支持向量机模型的发动机故障诊断[D]. 聂立新.东北大学 2015

硕士论文
[1]基于支持向量机的图像分类方法研究[D]. 曹健.浙江师范大学 2013



本文编号：3441135