| 题名 | 组中选优机器学习问题建模和算法研究; Modeling and Algorithm for a New Machine Learning Problem about Selecting the Best One from Group Data |
| 作者 | 罗梅香 |
| 答辩日期 | 2012 ; 2012 |
| 导师 | 罗林开 |
| 关键词 | 支持向量机 结构风险最小化原则 最小序贯算法 组中选优机器学习 support vector machine structural risk minimization principle sequential minimal optimization SBG machine learning |
| 英文摘要 | 在自然、经济和社会领域，大量存在样本以组为单位，分类任务为学习训练集中每组“最优”样本的规律，然后预测未见样本组的最优样本问题；而现有机器学习问题的样本都以个体为单位，鲜有考虑成组出现和组中选优的情况。 本文将实际工作中大量存在的以上问题，归纳为组中选优机器学习问题。本文首先研究了新机器学习问题的建模和模型求解算法，接着给出了新模型和新算法的一个具体应用，表明新模型的有效性和优越性。本文的主要工作有： 1.提出了组中选优机器学习问题，并分析了该问题的新特点。组中选优的目标是选出每组中的最优样本，因此它仅需学习组内不同类样本之间的差异性，无需学习组间同类样本之间的相似性。进一步地，组间同类样...; In nature, economy and social fields, there are a large number of samples in groups. The classification task for this problem is to learn the rule of selecting the best ones from group data (SBG), then use the rule to predict the best ones in the unseen group data. While the samples for the existing machine learning problem appear as individual, few machine learning problem consider group data and...; 学位：工学硕士; 院系专业：信息科学与技术学院自动化系_模式识别与智能系统; 学号：23220091152893 |
| 语种 | zh_CN |
| 出处 | http://210.34.4.13:8080/lunwen/detail.asp?serial=36373 |
| 内容类型 | 学位论文 |
| 源URL | [http://dspace.xmu.edu.cn/handle/2288/50632]  |
| 专题 | 信息技术－学位论文 |
| 推荐引用方式 GB/T 7714 | 罗梅香. 组中选优机器学习问题建模和算法研究, Modeling and Algorithm for a New Machine Learning Problem about Selecting the Best One from Group Data[D]. 2012, 2012. |
| 个性服务 |
| 查看访问统计 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论