光纤制备大数据辅助决策系统
【学位单位】:重庆邮电大学
【学位级别】:硕士
【学位年份】:2019
【中图分类】:F426.6;TN253;TP311.13
【部分图文】:
图 2.3 线性回归独观察(X,Y),能找到拟合度最好的一条直线。这条直接尽可能使离最近,线的方程式'Y a bx。给出一个自变量 x 的值,相应的算。述是在二元的情况下,当 x 变量有多个的时候,就会存在一个变随多个变量(x1,x2,x3…)变化,变化趋势是多元非线性的。此时元线性回归[42]问题。多元线性回归的方程为:'iTY a b x 性回归是为了找到一组 和 的最优解使得在多元情况下,预测值离最小。回归(Logistic Regression)
图 2.5 MapReduce 过程Map 函数和 Reduce 函数是 MapReduce 工作的核心。如图 2.5 所示,Map 函数将输入数据处理成<key,value>,通过随机、排序和其他过程以<key,list <value >>的形式获得中间结果。将相同键值的中间结果传递给 reduce 函数,并计算最终解。为了提高 Reduce 函数的计算效率,MapReduce 在执行 Map 函数和 Reduce 函数之间设置 Combiner 过程。Combiner 过程的本质可以理解为在 Map 过程中起作用的 reduce函数,在进入 Reduce 函数之前聚合中间结果。Combiner 功能是确保 MapReduce 过程的总时间效率不受时间效率的影响,并且最终输出结果的正确性不受影响。MapReduce分布式并行计算框架使得开发人员只需要关注Map函数和Reduce函数,这样降低了编程难度并大大提高大规模数据集的计算效率。2.4.4 Sqoop
重庆邮电大学硕士学位论文 第 3 章 光纤制备辅助决策算法在表 3.5 中对于 MAER 大于 5%的结果进行了加粗处理,同时展示了 6 个模型的平均误差率和平均排名。由表可知,Cart 回归树的预测性能仅次于 XGBoost 和GBDT。虽然 XGBoost 和 GBDT 的性能要优于 Cart,但是根据实际的业务诉求,XGBoost 和 GBDT 不能输出决策路径,而且 Cart 回归树 MAER 大于 0.05(5%)的结果仅有 3 项,最大 MAER 为 0.057(5.7%),基本满足了工业制备中的误差要求(5%)。图 3.3 为表 3.5 的折线图。Cart 在整体的 MER 折线图上表现稳定,说明了该算法具有稳定性和泛化性。
【相似文献】
相关期刊论文 前10条
1 袁广南;;基于模糊综合评判的辅助决策系统设计与实现[J];电子世界;2016年24期
2 王晨;朱立峰;;临床护理辅助决策系统的探索与研究[J];中国医院;2017年04期
3 陈健;程明;沈立新;徐永生;王炳民;陈波;;基于10kV配网辅助决策系统的短信推送功能的研究应用[J];电工技术;2017年07期
4 谷钰莹;;现代公安辅助决策系统研究[J];云南警官学院学报;2014年06期
5 严辉闽;;电网规划智能辅助决策系统的设计与实现要点初谈[J];山东工业技术;2014年24期
6 李宁;;浅议电网规划智能辅助决策系统的设计与实现[J];科技资讯;2015年02期
7 张能;;钻井专家在线辅助决策系统的应用[J];石化技术;2015年07期
8 王小玉;范晶晶;;作战辅助决策系统中作战模型开发与调用的研究[J];网络安全技术与应用;2014年04期
9 郑俊;;核电厂计算机应急辅助决策系统设计实现及改进[J];科技视界;2014年14期
10 刘婵媛;;核电站应急辅助决策系统的人机界面设计与实现[J];自动化博览;2014年10期
相关博士学位论文 前9条
1 金波;分布式防震减灾信息和辅助决策系统[D];中国地震局工程力学研究所;2005年
2 方昱;山岭隧道动态设计与施工智能辅助决策系统研究[D];北京交通大学;2016年
3 胡丽芬;舰船抗沉辅助决策系统研究[D];大连理工大学;2010年
4 孙冠英;基于网络的进出境植物检疫信息管理和辅助决策系统[D];浙江大学;2003年
5 付文俊;矿井封闭火区救灾辅助决策系统研发[D];辽宁工程技术大学;2010年
6 史瑞芝;地图设色辅助决策系统的建立与颜色传输理论的应用[D];解放军信息工程大学;2001年
7 胡东涛;基于物联网的非煤地下矿山安全监测预警决策平台研究[D];武汉理工大学;2014年
8 刘殿锋;土地质量空间抽样的群智能优化决策方法研究[D];武汉大学;2011年
9 解静;近岸海域空间资源利用辅助决策系统研究[D];大连理工大学;2016年
相关硕士学位论文 前10条
1 邵帅;光纤制备大数据辅助决策系统[D];重庆邮电大学;2019年
2 李荣江;饮用水处理技术评估与专家辅助决策系统的设计[D];哈尔滨工业大学;2019年
3 周宗伟;某省级电网事故处理辅助系统研究及应用[D];郑州大学;2019年
4 王鼎;辽河油田生产辅助决策系统设计与实现[D];大连理工大学;2018年
5 董振涛;基于Java的旅级部队干部调整辅助决策系统设计与实现[D];郑州大学;2019年
6 何政;基于GIS的城市道路路面养护辅助决策系统的研究与开发[D];重庆交通大学;2018年
7 王宝元;基于GPS信息的消费金融辅助决策系统的研究与实现[D];辽宁大学;2018年
8 张鑫;基于OS2体系架构的新型电网事故辅助决策系统研究[D];华南理工大学;2017年
9 杜雪姣;分布式应急辅助决策系统开发和核心问题研究[D];西北师范大学;2016年
10 雷敏;抢险救灾装备保障辅助决策系统设计与实现[D];电子科技大学;2012年
本文编号:2846407
本文链接:https://www.wllwen.com/qiyeguanlilunwen/2846407.html