导读:本文包含了多分类模型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:向量,密度,模型,互联网,神经网络,增益,光谱。
多分类模型论文文献综述
张伟,陈建峡,李超,黄煜俊,徐欣雨[1]（2019）在《输电线路故障分析多分类模型研究及应用》一文中研究指出为了有效而准确地分析智能电网中输电线路故障和寻找诱发故障的主要因素,研发了基于二叉树的核密度逻辑回归多分类模型,以解决输电线路不对称故障分析的问题。该模型根据Nadaraya-Watson密度估计将训练数据映射到了特定的特征空间,根据二叉树结构特点将多个DLR模型组合成一个具有多分类能力的二叉树,并加以优化。实验结果表明,基于MCDLR的分类结果在准确率上和分类时间上明显优于已有的传统的多分类算法。(本文来源于《湖北工业大学学报》期刊2019年02期）
何欣龙,王继芬,张倩,唐敏力,何亚[2]（2019）在《基于多分类模型的记号笔墨水红外光谱分析》一文中研究指出记号笔墨水的区分鉴别在相关案件的侦破和诉讼中具有重要意义。本实验采用红外光谱法(ATR-FTIR)获取记号笔的原始光谱,并对原始光谱分别进行自动基线校正、Savitzky-Golay平滑、峰面积归一化和小波阈值去噪四种预处理消除噪声等干扰因素并确定特征波长,同时结合判别分析(DA)、径向基函数神经网络(RBF)和K近邻算法(KNN)构建分类模型。结果表明,叁种模型对黑色笔的分类最准确,均实现了100%的识别,对红蓝色笔区分能力次之,相比较DA和RBF,KNN模型的分类精度最高。采用ATR-FTIR结合DA-RBF-KNN法能为记号笔的类型准确检测提供新的分析手段,且模型检测精度高,方法具有普适性和一定的借鉴意义。(本文来源于《化学通报》期刊2019年02期）
冯泽安,王鹏[3]（2019）在《基于多分类模型加权投票法的人脸微笑检测》一文中研究指出为了进一步提高人脸微笑检测率并解决微笑检测系统用于训练标签数据不足的问题,结合人脸图像的纹理和几何特点,应用了一种基于多分类模型加权投票法的微笑检测方法。在经预处理和直方图均衡化的面部图像上,利用局部二进制模式(LBP)和Gabor小波变换提取局部的、抽象的特征,同时以人脸特征点检测作为补充,构建了四种不同的分类模型(UPN、GPS、AdaBoost和LDA),分别对人脸图像进行分类检测,同时结合各模型之间互补和各自对微笑检测的优势,通过计算权值对各结果进行加权投票,得到面部图像的最终检测结果。实验结果显示出该方法的有效性,在公开的GEN-KI-4K人脸数据集上获得了95.8%的微笑检测率,比单个分类模型的平均检测率提高了10.3%,与该数据集的最新的微笑检测率相等。(本文来源于《计算机技术与发展》期刊2019年02期）
陈影,王立夏[4]（2018）在《制造企业商业信用自适应多分类模型研究》一文中研究指出针对制造企业往来款项商业信用的分类管理问题,构建自适应多分类的集成支持向量机模型。通过分析制造企业商业信用评价问题多分类不平衡的重要特点,调整基本支持向量模型的核函数和惩罚因子参数,集成多个基本支持向量机分类器进行分类分析。以长叁角地区某制造企业客户分类分析为例,进行了实验分析,结果表明根据实际问题设计的自适应多分类模型和数值处理方法相结合,可以进一步提高分类准确率,进行制造企业商业信用多分类问题的决策判断分析。(本文来源于《工业工程与管理》期刊2018年05期）
王凤可[5]（2017）在《面向P2P网贷平台欺诈识别的自适应代价敏感多分类模型研究》一文中研究指出近年来,互联网金融快速发展,金融业务的创新模式层出不穷,极大促进了金融业的发展和繁荣。P2P网络借贷作为一种新兴的互联网金融模式,其小额信贷、自主选择、自由搭配的借贷形式能够满足广大个体与小微企业的借贷需求,对于完善我国金融体系、缓解民间资本投资和小微企业融资需求具有重要意义。然而,在其方便、快捷的背后,P2P网络借贷也暴露出越来越多风险和监管问题,平台倒闭、跑路、提现困难等欺诈事件频繁发生,严重阻碍行业的健康发展。因此,本文针对P2P网贷平台欺诈识别问题,提出一种自适应代价敏感加权集成算法,构建代价敏感的决策树多分类集成模型,实现P2P网贷平台欺诈识别与预警,为政府监管和用户投资提供决策支持和参考。本文在综述P2P网贷平台欺诈识别特征和方法的基础上,对非平衡多分类问题展开研究,提出一种面向P2P网贷平台欺诈识别的集成算法,主要包括以下内容:(1)系统归纳和总结了P2P网贷平台欺诈识别研究现状,分析了数据不平衡和误分类代价敏感的特征,并指出现有欺诈识别方法的主要问题。(2)深入研究了应用决策树算法进行欺诈识别的优势与不足,分析应用C5.0决策树算法解决P2P网贷平台欺诈识别所存在的问题,以及问题产生的原因。(3)针对现有方法的不足,提出了一种自适应代价敏感加权集成算法ACWEA,具体改进点包括以下叁个方面:第一,提出加权信息增益率作为属性选择的标准,除了考虑属性所包含的信息量,更强调识别欺诈的重要性,体现属性对不同类别的贡献差异。第二,在C5.0决策树算法的基础上引入代价矩阵,以最小化误分类代价为目标,并针对其静态学习机制,提出代价空间、目标函数以及搜索方法,实现自适应代价敏感学习,提高模型的泛化性能。第叁,针对单分类器解决多分类问题存在的不足,采用逐步一对多方法将多分类转化为多个二分类问题,构建面向非平衡多分类问题的集成模型,提高各类别的识别效果。(4)从P2P行业门户网站采集我国现有P2P网贷平台的大规模数据,以2890家真实P2P网贷平台数据为样本进行模型测试,与多种现有主流方法进行比较和统计检验,验证了ACWEA集成算法解决P2P网贷平台欺诈识别问题的显着优势。(本文来源于《河北工业大学》期刊2017-12-01）
段效琛[6]（2017）在《基于DGA的电力变压器多分类模型与故障诊断研究》一文中研究指出变压器是电力系统实现输、变电工程的枢纽设备,其运行状态直接影响着整个电力系统的安全、可靠和稳定。长时间持续工作中的油浸式变压器,不可避免地会出现故障。如何通过油浸式变压器内部机理及油中溶解气体含量对变压器故障进行及时诊断和预测是变压器安全运行的关键。本文以油浸式变压器故障诊断为背景,针对油中溶解气体含量数据集寻找规律,采用特征提取、机器学习等方法对变压器的故障进行诊断和预测。本文的主要研究内容有以下几个方面:1、建立油浸式变压器故障诊断模型,提出结合人工智能的油浸式变压器故障诊断方法。首先研究变压器油中气体的来源和气体的溶解,并分析变压器油中气体的产气机理以及变压器故障与绝缘油中特征气体之间的映射关系,得到不同故障类型与产生的特征气体相互之间的关系。基于特征气体与变压器故障的特殊对应关系,通过第一章各种诊断方法的对比,提出需要寻求更为准确全面的方法,结合人工智能的方法进行变压器故障诊断。2、改进的KPCA和LS-SVM故障诊断方法。针对油中溶解气体含量中异常数据对KPCA特征提取造成精度下降这一问题,提出改进的KPCA和LS-SVM故障诊断方法,该方法对KPCA非线性映射后得到的特征空间进行格拉布斯准则判定,剔除异常离群值,减小离群值对KPCA特征提取的影响。在油浸式变压器故障诊断中,将经过KPCA处理后的特征样本输出LS-SVM,结果证明本章方法的可行性和有效性。3、提出基于蚁群优化最小二乘支持向量机(ACO-LSSVM)的变压器故障诊断方法。针对LS-SVM中核函数参数及惩罚系数预先难以确定的问题,提出了基于蚁群算法优化最小二乘支持向量机的变压器故障诊断方法。本文采用蚁群算法对LS-SVM中参数的选取进行优化,提高LS-SVM方法故障类型的分类准确性及精度。在样本数据集上对基于蚁群优化的LS-SVM方法进行验证,结果表明经蚁群优化以后的最小二乘支持向量机模型分类准确率达到了 92.57%,分类准确率比LS-SVM算法高出了 9.43个百分点,并根据诊断结果得出正常状态和6种典型的故障类型。(本文来源于《昆明理工大学》期刊2017-03-01）
向勇[7]（2016）在《支持向量机多分类模型在软土震陷预测判别中的应用》一文中研究指出本文根据软土震陷的5个主要影响因素,建立了基于多分类支持向量机的软土震陷模型。选取28组软土试验数据作为该模型的训练样本,建立了软土震陷类别与其影响因素间的非线性映射关系,然后对另外10组测试样本进行预测判别。将其预测的结果与基于径向基函数的人工神经网络预测结果进行对比,评判结果表明:该方法是十分有效的软土震陷预测判别方法,可为软土区域的工程建设的抗震设计提供借鉴与参考。(本文来源于《江西建材》期刊2016年06期）
陈丽芳,陈亮,刘保相[8]（2016）在《基于粒计算的哈夫曼树SVM多分类模型研究》一文中研究指出针对多分类问题,将粒计算与最优二叉树相结合来构建SVM多分类模型。应用粒计算思想粒化多分类问题,计算出每个类别的粒度;以粒度为权值集合,构建哈夫曼树,以解决类内样本分布不均和分类效率低下的问题;对粗粒结点分别设计多个SVM分类器;最后,以低温存储罐材料多分类问题为研究背景,对模型进行了仿真验证。与其他方法的对比分析表明,该模型提高了分类效率,为多分类问题的处理提供了一个新的研究思路。(本文来源于《计算机科学》期刊2016年01期）
饶泓,陈慧佳,董晓睿[9]（2015）在《基于叁元矩阵的层次分析多分类模型》一文中研究指出针对支持向量机解决多分类问题时二分类向多分类扩展过程中的效率降低和数据集倾斜问题,提出了一种基于叁元矩阵和层次分析的多分类模型的构造方法,优化支持向量机的多分类效果和效率,弥补1vs1、ECOC等主流算法的不足。该模型通过建立一种简单有效的获取样本集线性可分性构造分类器,从而减少支持向量机在处理多分类时的运算复杂程度。采用了UCI标准数据库中的Iris,Breast Tissue和Statlog等数据集对模型进行训练测试,测试结果表明所提出模型是有效的,尤其在大量数据下多分类的有效性。(本文来源于《南昌大学学报(理科版)》期刊2015年04期）
卢晓[10]（2014）在《基于粒计算的支持向量机多分类模型研究》一文中研究指出统计学习理论是研究小样本背景下机器学习规律的理论,它为解决有限样本学习问题提供了一个统一的框架。支持向量机是在统计学习理论基础上发展起来的一种通用的学习方法,具有全局优化、适应性强、理论完备、泛化性能好等优点。支持向量机基于结构风险最小化准则来提升泛化能力,在处理二分类、非线性、小样本等问题上比较完善,同时较大程度地解决了“维数灾难”和“过度学习”等困难。随着科技的发展,种类多变、分布不均匀、海量信息等干扰因素的增加,给多分类问题的处理带来了一定的困难。因此研究一种新的多分类模型,将粒计算思想、哈夫曼树、支持向量机结合实现模型构建,从而提高分类的效率和精度。首先,将粒计算理论融入到多分类问题中,应用粒叁元论思想对具体问题进行观察、定义与转化,利用粒计算的分层思想,建立粒结构并进行粒度的粗化与细化,计算粒度。从不同角度对数据进行处理和分析,进而解决海量数据和训练速度低下等问题。其次,依据粒度排序,构造哈夫曼树,解决类内样本分布不均与分类效率低等问题。利用哈夫曼树带权路径长度最短的特点,使之能在最短的时间内归属类别,并用VC++6.0编程实现了哈夫曼树的构造,得到哈夫曼编码。最后,对决策树的粒进行分析,设计每个粒对应的不同支持向量机分类器,构建全局多分类模型,利用MATLAB实现了模型训练和仿真,并运用实例验证了模型的科学性和有效性。图17幅;表9个;参61篇。(本文来源于《华北理工大学》期刊2014-11-29）
多分类模型论文开题报告
（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：
记号笔墨水的区分鉴别在相关案件的侦破和诉讼中具有重要意义。本实验采用红外光谱法(ATR-FTIR)获取记号笔的原始光谱,并对原始光谱分别进行自动基线校正、Savitzky-Golay平滑、峰面积归一化和小波阈值去噪四种预处理消除噪声等干扰因素并确定特征波长,同时结合判别分析(DA)、径向基函数神经网络(RBF)和K近邻算法(KNN)构建分类模型。结果表明,叁种模型对黑色笔的分类最准确,均实现了100%的识别,对红蓝色笔区分能力次之,相比较DA和RBF,KNN模型的分类精度最高。采用ATR-FTIR结合DA-RBF-KNN法能为记号笔的类型准确检测提供新的分析手段,且模型检测精度高,方法具有普适性和一定的借鉴意义。
（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。
多分类模型论文参考文献
[1].张伟,陈建峡,李超,黄煜俊,徐欣雨.输电线路故障分析多分类模型研究及应用[J].湖北工业大学学报.2019
[2].何欣龙,王继芬,张倩,唐敏力,何亚.基于多分类模型的记号笔墨水红外光谱分析[J].化学通报.2019
[3].冯泽安,王鹏.基于多分类模型加权投票法的人脸微笑检测[J].计算机技术与发展.2019
[4].陈影,王立夏.制造企业商业信用自适应多分类模型研究[J].工业工程与管理.2018
[5].王凤可.面向P2P网贷平台欺诈识别的自适应代价敏感多分类模型研究[D].河北工业大学.2017
[6].段效琛.基于DGA的电力变压器多分类模型与故障诊断研究[D].昆明理工大学.2017
[7].向勇.支持向量机多分类模型在软土震陷预测判别中的应用[J].江西建材.2016
[8].陈丽芳,陈亮,刘保相.基于粒计算的哈夫曼树SVM多分类模型研究[J].计算机科学.2016
[9].饶泓,陈慧佳,董晓睿.基于叁元矩阵的层次分析多分类模型[J].南昌大学学报(理科版).2015
[10].卢晓.基于粒计算的支持向量机多分类模型研究[D].华北理工大学.2014
论文知识图
