2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩45頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、  機(jī)器學(xué)習(xí)是人工智能的一個(gè)重要組成部分,是人工智能中重點(diǎn)研究的核心領(lǐng)域。集成學(xué)習(xí)作為一種新的機(jī)器學(xué)習(xí)方法,由于其能夠很好地提高學(xué)習(xí)系統(tǒng)的泛化能力,因此,成為機(jī)器學(xué)習(xí)領(lǐng)域內(nèi)一個(gè)重要的研究方向。Boosting算法作為集成學(xué)習(xí)方法中一個(gè)典型代表,已經(jīng)被應(yīng)用到機(jī)器學(xué)習(xí)的各個(gè)領(lǐng)域。支持向量機(jī)是Vapnik于1995年首先提出的,由于其對(duì)一些非線性、小樣本和高維模式下的問題具有很好的學(xué)習(xí)效果,因此,支持向量機(jī)得到了很快的發(fā)展并且應(yīng)用到很多實(shí)際的

2、方面,如文本分類、手寫識(shí)別、人臉識(shí)別和函數(shù)擬合等。隨著Boosting算法和支持向量機(jī)的廣泛應(yīng)用,算法性能的提高越來越受到研究學(xué)者的重視。
  本文的主要研究工作是:首先對(duì)數(shù)據(jù)進(jìn)行預(yù)處理,進(jìn)行歸一化處理,然后采用粒子群優(yōu)化算法對(duì)支持向量機(jī)的參數(shù)進(jìn)行優(yōu)化,采用支持向量機(jī)對(duì)數(shù)據(jù)進(jìn)行分類或回歸的實(shí)驗(yàn),為了提高分類或回歸的精度,本文提出了 Boosting 集成支持向量機(jī)(Boosting-SVM)的算法,讓支持向量機(jī)做 Boosti

3、ng 算法中的弱學(xué)習(xí)機(jī),然后對(duì)學(xué)習(xí)機(jī)進(jìn)行有權(quán)重的投票方式進(jìn)行集合學(xué)習(xí),從而獲得了更好的分類和回歸效果,得到更高的精度。采用SVM算法和Boosting-SVM 算法在多個(gè) UCI 數(shù)據(jù)集上進(jìn)行分類和回歸對(duì)比試驗(yàn),實(shí)驗(yàn)結(jié)果表明, Boosting-SVM比單個(gè)支持向量機(jī)的方法具有更高的分類和回歸精度。
  本文將Boosting-SVM方法應(yīng)用到對(duì)胎兒體重的預(yù)測(cè)。近年來,隨著生活水平的普遍提高,胎兒的平均體重也在逐漸增加,導(dǎo)致了

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論