导读:本文包含了顺序回归论文开题报告文献综述、选题提纲参考文献及外文文献翻译,主要关键词:顺序,向量,函数,多维,算法,多项式,机器。
顺序回归论文文献综述
孙佳琪[1](2019)在《双超球支持向量数据描述与非平行超平面顺序回归机》一文中研究指出监督学习问题是机器学习领域中最常见的一类学习问题,广泛存在于垃圾邮件检测、模式检测、自然语言处理、情绪分析、自动图像分类等实际中.根据预测结果的不同,监督学习又被分为分类问题和回归问题.顺序回归问题是两者之间的桥梁,在信息检索,协同过滤,医学心理学等领域中具有广泛的应用.支持向量机能够最大化分类间隔同时最小化泛化误差,是解决分类问题和回归问题的有力工具.本文在支持向量机的基础上,提出了解决叁类分类问题和顺序回归问题的方法,具体内容如下:第一,提出了一种解决叁类分类问题的方法,即双超球支持向量数据描述.其主要思想是:当目标数据集含有叁类样本时,利用第叁类样本的信息对其它两类样本分别建立优化模型,使得其中一个最优超球体尽可能多的包含第一类样本点,同时拒绝其它两类样本点;另一个超球体尽可能多的包含第二类样本点,同时拒绝其它两类样本点,从而实现叁类样本点的分类.通过求解两个小规模的优化问题,该方法降低了计算复杂度,减少了运行时间;通过对不同的样本类分别选取合适的核参数,该方法能够提高分类准确率.分别用人工数据和UCI数据库中的数据检验了该方法,并与一些经典的多类分类方法比较预测的正确率和计算时间,结果表明该方法是可行的和有效的.第二,提出了一种解决顺序回归问题的方法,即非平行超平面顺序回归机.该方法对于含有顺序信息的K类样本,分别找到K个方向不同的超平面,使得每类样本尽可能接近对应的超平面,达到对KK个含有顺序信息的样本进行分类的目的.利用样本的顺序信息,寻找每个超平面时,只使用相邻的两类样本作为约束条件.从而该方法只需求解K个小规模的二次规划问题,减少了运行时间.在不同的数据集上验证该方法,并与其它方法进行比较,结果表明该方法是有效的.(本文来源于《新疆大学》期刊2019-05-20)
李欢[2](2019)在《基于非平行支持向量机的顺序回归算法》一文中研究指出顺序回归机(简称OR)解决的是带有顺序的多类分类问题,它在众多领域有着广泛的应用,如信用等级、人脸识别、医疗研究和社会科学等.支持向量机(简称SVM)作为处理分类问题的一种有效算法,它在解决二分类问题上已经取得了显着的分类效果.因此如何将二分类算法扩展到顺序回归问题中,具有重要的研究意义.本文主要内容大致分为如下叁个部分:第一部分是将v-非平行支持向量机(简称v-NPSVM)推广得到新的顺序回归机称为v-非平行支持向量顺序回归机(简称v-NPSVOR).相较于非平行支持向量顺序回归机(简称NPSVOR),该算法将其中的参数∈变为变量∈k,k∈{1,...,q},减少了选取参数的困难.第二部分是将稀疏线性非平行支持向量机(简称L1-NPSVM)推广得到新的顺序回归机称为L1-非平行支持向量顺序回归机(简称L1-NPSVOR).该算法是将NPSVOR中的目标函数添加了1/2bk2,不仅使得决策变量bk的解唯一而且对偶问题减少了等式约束;第叁部分是将改进的孪生支持向量机(简称ITSVM)推广得到新的顺序回归机称为稳定非平行支持向量顺序回归机(简称SNPSVOR).该算法是将L1-NPSVOR中的第一个不等式约束改为等式约束,在一定程度上减少了数据集带有异常点所造成的影响.数值实验结果表明了以上叁种算法的有效性.(本文来源于《重庆师范大学》期刊2019-05-01)
李佩佳,石勇,汪华东,牛凌峰[3](2018)在《基于有序编码的核极限学习顺序回归模型》一文中研究指出顺序回归是机器学习领域中介于分类和回归之间的有监督问题。在实际中,许多带有序关系标签的问题都可以被建模成顺序回归问题,因此顺序回归受到众多学者的关注。基于极限学习机(ELM)的算法能有效避免因迭代过程陷入的局部最优解,减少训练时间,但基于极限学习机的算法在顺序回归问题上的研究较少。该文将核极限学习机与纠错输出编码相结合,提出了一种基于有序编码的核极限学习顺序回归模型。该模型有效解决了如何在顺序回归中取得良好的特征映射以及如何避免传统极限学习机中隐层节点个数依赖于人工设置的问题。为验证提出模型的有效性,该文在多个顺序回归数据集上进行了测试,测试结果表明,相比于传统ELM模型,该文提出的模型在准确率上平均提升了10.8%,在数据集上预测表现最优,而且获得了最短的训练时间,从而验证了模型的有效性。(本文来源于《电子与信息学报》期刊2018年06期)
石勇,李佩佳,汪华东[4](2019)在《L2损失大规模线性非平行支持向量顺序回归模型》一文中研究指出顺序回归是一种标签具有序信息的多分类问题,广泛存在于信息检索、推荐系统、情感分析等领域.随着互联网、移动通信等技术的发展,面对大量具有大规模、高维、稀疏等特征的数据,传统的顺序回归算法往往表现不足.非平行支持向量顺序回归模型具有适应性强,在性能上优于其他基于SVM的方法等优点,该文在此模型基础上提出基于L2损失的大规模线性非平行支持向量顺序回归模型,其中线性模型的设计可处理大规模数据,基于L2的损失可使标签偏离较大的样本得到更大惩罚.此外,该文从模型的两种不同角度分别设计了信赖域牛顿算法和坐标下降算法求解该线性模型,并比较了两种算法在性能上的差异.为验证模型的有效性,该文在大量数据集上对提出的模型及算法进行了分析,结果表明,该文提出的模型表现最优,尤其采用坐标下降算法求解的该模型在数据集上获得了最好的测试性能.(本文来源于《自动化学报》期刊2019年03期)
何海江[5](2014)在《截断误差的光滑型支持向量顺序回归》一文中研究指出支持向量顺序回归算法已成功应用于解决顺序回归问题,但其易受训练样本中野点的干扰。为此,提出一种截断误差的光滑型支持向量顺序回归(TLS-SVOR)算法。学习顺序回归模型时,将错划样本形成的误差s限制在范围u内。TLS-SVOR首先用包含参数u的分段多项式近似s;再引入光滑型支持向量机分类算法的思路,将优化目标转变为二次连续可微的无约束问题,从而由牛顿法直接求得唯一的决策超平面。采用两阶段的均匀设计方法确定TLS-SVOR的最优参数。实验结果表明,相比其他顺序回归算法,TLS-SVOR在多个数据集能获得更高的精度。(本文来源于《电子科技大学学报》期刊2014年01期)
侯秋玲,杨志霞,周哲[6](2013)在《双支持向量顺序回归机》一文中研究指出针对顺序回归问题的深入研究,基于支持向量顺序回归机提出了双支持向量顺序回归机。由于双支持向量顺序回归机所对应的2个优化问题是对称的,则只需求解其中的一个问题,进而得出一个分划超平面。又因其对应的优化问题的规模只是支持向量顺序回归机规模的一半,故其运算速度会快于支持向量顺序回归机。数值实验的结果表明:双支持向量顺序回归机在一些数据分析中具有较高的正确率。(本文来源于《重庆理工大学学报(自然科学)》期刊2013年10期)
侯秋玲[7](2013)在《双支持向量顺序回归机》一文中研究指出支持向量顺序回归机是支持向量分类机的一种拓广,是借助于最优化方法解决顺序回归问题的一个有力工具.在对顺序回归问题更深入的研究中,本文在支持向量顺序回归机的基础上提出了一种新方法.支持向量顺序回归机把顺序回归问题转化成了一个两类分类问题,然后对转化后的两类分类问题建立了支持向量分类机,从而得到了最终的决策函数.本文对顺序回归问题转化成的两类分类问题,用双支持向量分类机进行求解,进而得到最终的决策函数.由于转化后的问题的对称性,我们只用求解一个小规模的二次规划问题,与支持向量顺序回归机相比,我们的方法的运行时间仅仅是他的1/8.最后再通过数值实验表明新方法的运行时间及正确率的有效性.(本文来源于《新疆大学》期刊2013-05-24)
张洪祥,毛志忠[8](2012)在《基于时点分割的核Fisher判别分析-顺序回归机多类分类建模方法》一文中研究指出针对多维时间序列的多类分类问题,本文提出基于时点分割思想的核Fisher判别分析-顺序回归机(KFDAORM)多类分类建模方法.该方法利用核Fisher判别分析(KFDA)与顺序回归机(ORM)的互补性得到分类决策函数;对分类样本的多维时间序列进行时点分割处理,使用决策函数得到各时点的分类级别;通过指数平滑分析得到采样周期内样本的最终分类结果.通过实例验证,该方法对多维时间序列的分类具有较好效果,是一种有效的多类分类方法.(本文来源于《控制理论与应用》期刊2012年11期)
袁玉萍,魏玉芬,代冬岩,李欣,赵海燕[9](2012)在《基于支持向量顺序回归机对农业经济预警的研究》一文中研究指出在统计学习理论与支持向量机理论方法的基础上,将支持向量顺序回归算法与宏观经济预警研究相结合,建立了基于支持向量顺序回归经济预警模型;通过编制Matlab软件程序,结合黑龙江省经济数据,获得经济预警的分类超平面和预测警限区间,并进行内插和外推检验。结果表明,该预警模型预测的可靠性和拟合是有效可行的,具有很高的精度。(本文来源于《黑龙江八一农垦大学学报》期刊2012年01期)
阳红英,杨志霞[10](2011)在《支持向量顺序回归机的统计学习基础》一文中研究指出对处理顺序回归问题的支持向量顺序回归机的统计学习理论基础进行研究.首先,利用结构风险最小化原则推导出一种顺序回归机,称之为结构风险最小化顺序回归机,其次,证明了结构风险最小化顺序回归机与支持向量顺序回归机解之间的关系.进一步从统计学习的角度证明了支持向量顺序回归机是结构风险最小化原则的一种直接实现,并给出了惩罚参数C的含义.(本文来源于《运筹学学报》期刊2011年03期)
顺序回归论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
顺序回归机(简称OR)解决的是带有顺序的多类分类问题,它在众多领域有着广泛的应用,如信用等级、人脸识别、医疗研究和社会科学等.支持向量机(简称SVM)作为处理分类问题的一种有效算法,它在解决二分类问题上已经取得了显着的分类效果.因此如何将二分类算法扩展到顺序回归问题中,具有重要的研究意义.本文主要内容大致分为如下叁个部分:第一部分是将v-非平行支持向量机(简称v-NPSVM)推广得到新的顺序回归机称为v-非平行支持向量顺序回归机(简称v-NPSVOR).相较于非平行支持向量顺序回归机(简称NPSVOR),该算法将其中的参数∈变为变量∈k,k∈{1,...,q},减少了选取参数的困难.第二部分是将稀疏线性非平行支持向量机(简称L1-NPSVM)推广得到新的顺序回归机称为L1-非平行支持向量顺序回归机(简称L1-NPSVOR).该算法是将NPSVOR中的目标函数添加了1/2bk2,不仅使得决策变量bk的解唯一而且对偶问题减少了等式约束;第叁部分是将改进的孪生支持向量机(简称ITSVM)推广得到新的顺序回归机称为稳定非平行支持向量顺序回归机(简称SNPSVOR).该算法是将L1-NPSVOR中的第一个不等式约束改为等式约束,在一定程度上减少了数据集带有异常点所造成的影响.数值实验结果表明了以上叁种算法的有效性.
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
顺序回归论文参考文献
[1].孙佳琪.双超球支持向量数据描述与非平行超平面顺序回归机[D].新疆大学.2019
[2].李欢.基于非平行支持向量机的顺序回归算法[D].重庆师范大学.2019
[3].李佩佳,石勇,汪华东,牛凌峰.基于有序编码的核极限学习顺序回归模型[J].电子与信息学报.2018
[4].石勇,李佩佳,汪华东.L2损失大规模线性非平行支持向量顺序回归模型[J].自动化学报.2019
[5].何海江.截断误差的光滑型支持向量顺序回归[J].电子科技大学学报.2014
[6].侯秋玲,杨志霞,周哲.双支持向量顺序回归机[J].重庆理工大学学报(自然科学).2013
[7].侯秋玲.双支持向量顺序回归机[D].新疆大学.2013
[8].张洪祥,毛志忠.基于时点分割的核Fisher判别分析-顺序回归机多类分类建模方法[J].控制理论与应用.2012
[9].袁玉萍,魏玉芬,代冬岩,李欣,赵海燕.基于支持向量顺序回归机对农业经济预警的研究[J].黑龙江八一农垦大学学报.2012
[10].阳红英,杨志霞.支持向量顺序回归机的统计学习基础[J].运筹学学报.2011