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72頁未讀, 繼續(xù)免費閱讀

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),請進行舉報或認領(lǐng)

文檔簡介

1、數(shù)據(jù)挖掘是從大量、不完全、有噪聲的數(shù)據(jù)中提取隱含于其中的并不為人們所知,但又是潛在有用的信息和知識的過程。目前大部分的數(shù)據(jù)挖掘方法往往對使用者具有很高的要求,而引入人為因素往往會影響建模的質(zhì)量。自組織數(shù)據(jù)挖掘方法以數(shù)據(jù)分組處理方法(Group Method of Data Handling,GMDH)為核心,使用演化(交叉、變異和選擇)的原則實現(xiàn)模型結(jié)構(gòu)綜合和模型確認的自動過程,所得模型在記憶能力和泛化能力間達到最佳的平衡。自組織數(shù)據(jù)挖

2、掘方法針對不同的應(yīng)用問題設(shè)計了一系列算法,其中最具普適性、應(yīng)用最為廣泛的是GMDH多層建模算法。本文針對GMDH多層建模算法的以下兩個方面問題進行了研究: (1)對GMDH多層建模算法中部分多項式(參考函數(shù))的改進。原有的部分多項式求解算法使得模型復(fù)雜度增長過快,很多潛在的能夠更好的描述未知系統(tǒng)的模型將被忽略;另外由于部分多項式的求解基于回歸分析,因此回歸分析中多重共線性的問題也難以避免。本文從分析快速遞歸算法(Fast Rec

3、ursive Algorithm,F(xiàn)RA)中潛在的多重共線性問題入手,提出一種回歸項線性相關(guān)的檢測算法,改進后的快速遞歸算法被用于GMDH多層建模算法的部分多項式系數(shù)估計,新算法建立的模型具有更強的泛化能力且結(jié)構(gòu)更加簡單。與同類型的改進算法相比,該算法具有更小的計算開銷。 (2)提出一種選擇性GMDH網(wǎng)絡(luò)集成學(xué)習(xí)算法。GMDH多層建模算法能夠在對訓(xùn)練樣本進行劃分的基礎(chǔ)上建立在記憶能力和泛化能力達到最佳平衡的最優(yōu)復(fù)雜度模型,但不同

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空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論