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、廈門大學(xué)碩士學(xué)位論文基于廣義小樣本的數(shù)據(jù)挖掘方法研究姓名:游文杰申請(qǐng)學(xué)位級(jí)別:碩士專業(yè):控制工程指導(dǎo)教師:吉國(guó)力王永忠20090501廈門大學(xué)碩十學(xué)位論文AbstractDataMiningincludedArtificialIntelligence,PaRernRecognitionMachineLearning,Statistiesandotherfields,differentrealmsresearcheditusingdiff
2、erenttechniquesandmethodsDataintegrationbetweentheoriesandtechnologiesindifferentareaswasaresearchingmethodofdataminingNewstudyingdirectionindataminingwasSinailSamplesminingwhichaimedathighdimensionalandsmall—sampledataH
3、owstructuredtheminingalgorithmsandhowenhancedtheefficiencyofalgorithmswerethecoreproblemsThearticlestudiesonthetheoryofdataminingthebasisofpreviousresult,definedGeneralizedSmallSample,fromtheviewpointofstatisticalmethods
4、andstatisticallearningitresearchedthetheoriesonPLsalgorithmSVCandSVRinGeneralizedSmallSampleFirst,theaniclediscussedmethodsintheclassicalstatistics,itpointedoutthefaultofalgorithmonsmallsamples,andstatisticalinferenceand
5、optimizationinsmallsamplesWasproposedFurthermore,thearticleexpoundedmathematicalprinciple0iPLsregressionanditsminingapproachinsmall—samples,andthreeindicatorsotIEGDEGandlOPweredefmedinordertoconstructedanovelfeatureselec
6、tionalgorithmbasedonPL&finallythestatisticallearningtheorywasintroduced80mes刪algorithmswerecometrueandachievedthoroughmininginGeneralizedSmallSampleAttheendofartieleitattemptedtheinformationfusionotPLsandSyMonsmallsample
7、sUsingtheinstanceofcancersubtypemicroarraydataclassificationitachievedthetwocategoryandmulticlassificationapplicationonPLSandSVMandsimulatedtheregressionproblembasedOnPLsandsVMAnditrealizedthemininginsmallsampleChapterIi
8、tintroducedstatisticalmethodsanddatamininganditsrelatio皿TheconceptofGeneralizedSmallSampleWasproposedandthedataminingofitwasstudied,atthesametimeitpresentedchieflyworkonthisPap既ChapterⅡitreviewedthemethodsofclassicalstat
9、isticsandrelatedtheoriesofthedatamining,anditpointedoutthefaultofalgorithmsonSmallSamples,andthestatisticalinferenceinSmallSamplesWasoptimizedChapterIHitstudiedthemathematicmodelandalgorithmsof咒Sregressionbasedondatamini
10、nginSmallSampleandthecorrespondingimplementstepsChapterIVitintroducedstatisticallearningtheoryandsomeS功MalgorithmsandimplementationwerediscussedThedatamininginSmallSampleswasrealizedChapterVitattemptedtheinformationfusio
11、nofSmallSamplesbasedonPLSandS陽憶UsingtheinstanceofcancersubtypemicroarraydataclassificationitachievedthetwocategoryandmultielassificationapplicationonPLsandSVMandsimulatedtheregressionproblembasedonPLSandSyMKeywords:Gener
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(yè)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(kù)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。
最新文檔
- 基于小樣本的電池剩余壽命預(yù)測(cè)方法研究.pdf
- 小樣本數(shù)據(jù)作物模型研究.pdf
- 基于SVM的小樣本數(shù)據(jù)不確定度的研究.pdf
- 基于小樣本浮動(dòng)車數(shù)據(jù)的信號(hào)燈路段行程時(shí)間估計(jì)方法研究.pdf
- 基于樣本擴(kuò)充的小樣本人臉識(shí)別研究.pdf
- 基于小樣本數(shù)據(jù)的礦井瓦斯突出風(fēng)險(xiǎn)評(píng)價(jià).pdf
- 基于小樣本數(shù)據(jù)的航天器自主導(dǎo)航方法及其DSP實(shí)現(xiàn)研究.pdf
- 基于歷史數(shù)據(jù)的小樣本結(jié)構(gòu)疲勞可靠性分析方法.pdf
- 基于小樣本學(xué)習(xí)的圖像檢索研究.pdf
- 基于小樣本數(shù)據(jù)的數(shù)控機(jī)床MTBF評(píng)估.pdf
- 基于PCA的小樣本與微小故障診斷方法研究.pdf
- 基于小樣本復(fù)雜總體試驗(yàn)的抽樣驗(yàn)收方法.pdf
- 小樣本下可靠性試驗(yàn)方法與數(shù)據(jù)處理的研究.pdf
- 基于小樣本數(shù)據(jù)的皖江城市帶環(huán)境效率評(píng)價(jià)研究.pdf
- 不平衡小樣本數(shù)據(jù)的特征提取與分類方法研究.pdf
- 小樣本下可靠性試驗(yàn)方法與數(shù)據(jù)處理的研究
- 基于遷移學(xué)習(xí)的小樣本深度學(xué)習(xí)研究.pdf
- 基于小樣本測(cè)試的紡織品材料觸感特性表征方法研究.pdf
- 基于語義計(jì)算的小樣本圖像分類研究.pdf
- 基于自助法的小樣本膳食暴露評(píng)估研究.pdf
評(píng)論
0/150
提交評(píng)論