多模型融合学习方法与应用

发布时间：2017-09-03 07:37

  本文关键词：多模型融合学习方法与应用

  更多相关文章： 多模型融合 多样性增强 个性化推荐 量化交易 路标探索

【摘要】：机器学习通过从经验数据中学习,可以自动提高系统的性能,目前已成为智能数据分析的主要方法。随着企业对数据分析需求的快速上升,机器学习方法已被用于预测用户需求等很多应用中,受到了越来越高的重视。为了取得更好的学习性能,一种简单有效的途径是学习多个有差异的模型并进行融合。本文工作将多模型融合的思路应用到品牌推荐、股票推荐、机器人路标探索等多个领域中,具体工作如下：针对在线商场的品牌推荐问题,提出了一种基于多模型融合学习的算法框架E3DS,该框架从多个方面增强个体学习器的多样性,从而提高模型融合后的性能。该框架在阿里巴巴大数据竞赛的品牌推荐应用竞赛中取得了较好的成绩。针对股票推荐问题,提出了结合双均线选股模型、基于股票传统数据的机器学习模型、基于股票新媒体数据的机器学习模型三种模型融合的股票推荐方法。该推荐方法在一定时间段的实践中取得了比大盘明显好的效果。针对机器人路标探索问题,提出融合全局位置估计与卡尔曼滤波的路标探索策略。该策略能够有效地校正当移动变化过大时以往基于卡尔曼滤波的估计误差。本文在模拟环境的初步实验中验证了该策略的有效性。
【关键词】：多模型融合 多样性增强 个性化推荐 量化交易 路标探索
【学位授予单位】：南京大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP181
【目录】：

• 摘要3-4
• Abstract4-6
• 第一章 绪论6-11
• 1.1 引言6-7
• 1.2 机器学习7-8
• 1.3 多模型融合学习8-9
• 1.4 多模型融合学习的相关应用9-10
• 1.5 本文的工作10-11
• 第二章 基于多模型融合学习的品牌推荐系统11-32
• 2.1 引言11
• 2.2 相关工作11-15
• 2.3 多模型融合学习算法框架15-19
• 2.4 实验19-31
• 2.5 小结31-32
• 第三章 基于多模型融合学习的股票推荐方法32-46
• 3.1 引言32-33
• 3.2 相关工作33-35
• 3.3 基于不同类型股票数据和模型的多模型融合学习框架35-40
• 3.4 实验40-44
• 3.5 小结44-46
• 第四章 基于多模型融合的机器人路标探索策略46-56
• 4.1 引言46-47
• 4.2 相关工作47-50
• 4.3 融合全局位置估计与卡尔曼滤波的机器人路标探索策略50-52
• 4.4 实验52-55
• 4.5 小结55-56
• 第五章 结束语56-58
• 参考文献58-64
• 致谢64-65
• 附录65-66

【相似文献】

中国期刊全文数据库 前9条

1 华罗庚 ,宋健;模型与实体[J];系统工程与电子技术;1980年08期

2 ;新书介绍[J];冶金自动化;1990年03期

3 王磊;;计量模型——一种经典数据质量评估方法[J];电子制作;2012年10期

4 许志刚,董志荣;纯方位系统定位与跟踪的多模型法[J];淮海工学院学报(自然科学版);2001年03期

5 高兴民;;应用情报模型法研究学科发展规律[J];兵工情报工作;1982年05期

6 韩志刚,王洪桥;多模型多方法综合多层递阶预报模式在油田产量预报中的应用[J];控制与决策;1991年06期

7 王瀚晟,曾烈光;模型法与分离塞入比法的改进[J];通信学报;1997年08期

8 ;《计算机集成制造系统》2013年总目次[J];计算机集成制造系统;2013年12期

9 ;[J];;年期

中国重要会议论文全文数据库 前2条

1 谌凯;黄晓峰;赵怡;朱仲良;;改进的软模型法用于解析复杂反应动力学过程[A];第八届全国发光分析暨动力学分析学术研讨会论文集[C];2005年

2 费敏锐;;仿真不是基于模型的实验,而是基于模型的第三种认识世界的基本活动[A];新观点新学说学术沙龙文集37：仿真是基于模型的实验吗[C];2009年

中国重要报纸全文数据库 前1条

1 陆怡舟;走向模型综合应用的成熟阶段[N];中国城乡金融报;2010年

中国博士学位论文全文数据库 前1条

1 姬新龙;基于SV模型和EVT理论的金融极值风险度量研究[D];重庆大学;2014年

中国硕士学位论文全文数据库 前10条

1 苏佳琳;基于边界Logistic模型的我国上市公司信用风险的研究[D];西南交通大学;2015年

2 付金龙;基于GARCH过程和SV模型的上证50ETF的VaR计算[D];山东大学;2015年

3 刘珏;基于GARCH-POT模型的中国外汇市场投资组合研究[D];哈尔滨工业大学;2015年

4 雷震;GARCH模型和VaR方法在外汇投资组合中的应用[D];广西大学;2015年

5 赵天韵;中国股市统计套利的可行性检验与套利信号的确定方法[D];南京大学;2014年

6 徐月圆;城市轨道交通客流预测方法及模型研究[D];兰州交通大学;2015年

7 马健;多模型融合学习方法与应用[D];南京大学;2016年

8 陈利玲;数字IC产品性能评价模型研究[D];西安电子科技大学;2008年

9 张冬青;中国股市风险模型比较分析[D];山东大学;2011年

10 刘飞;基于多因素分析的竞争性高速公路费率优化模型与方法改进研究[D];长安大学;2010年

，

本文编号：783729