分享到:

集成学习

本文分析了当今机器学习现状,总结出三种学习体制:联结学习、遗传算法和符号学习。研究了三种体制各自的内涵和在智能活动中  (本文共6页) 阅读全文>>

西安理工大学
西安理工大学

基于集成学习的再生水资源配置方法研究

水资源是关系国计民生发展的最关键资源,但伴随着人口增长和环境污染,全球水资源短缺问题日益严重。面临此种境况,人们迫切地需要寻求能够替代自来水的水源来缓解水资源短缺。而再生水资源被誉为“城市的第二大水源”,一旦合理利用,则能从一定程度上缓解水资源短缺。再生水资源配置是再生水资源合理利用的一个关键环节,对合理利用再生水资源具有重要的影响作用。传统再生水资源配置研究多采用智能优化算法与目标规划模型相结合的方法。但仅使用传统方法配水,配水方案较为单一且缺乏对比性,可能获得配水效果略差的配水方案。而集成学习能够将多种方法得到的配水方案进行集成,有效增强模型的适用性和精确性,从而获得比传统方法更优的配水方案。基于此种优势,本文将集成学习应用到再生水资源配置中,提出了一种基于集成学习的再生水资源配置方法。本文首先研究了再生水资源配置模式及用户选定。模式及用户的选定是基于集成学习的再生水资源配置的前提条件。所以,提出利用临界距离、最小经济规模和...  (本文共102页) 本文目录 | 阅读全文>>

青岛科技大学
青岛科技大学

基于选择性集成学习的离群点检测研究

离群点检测是数据挖掘中一个非常重要的研究方向。离群点是指明显异常于其他对象,与当前的模型不一致或有偏差的数据。离群点检测主要是为了发现潜在的、有意义、有价值的知识,它在欺诈检测、入侵检测、医疗图像识别、天文观测和农业病虫害检测等诸多领域都有着广泛的应用。然而,现有的离群点检测方法还面临着很多问题。一方面,由于存在数据稀疏和高维度等问题,现有的方法难以从高维数据中有效地检测出离群点;另一方面,现有方法的泛化能力还比较差,对于新数据的检测性能和检测效率不高。集成学习将多个不同的单一模型组合成一个复合模型,利用这些单个模型之间的差异,可以有效改善集成模型的泛化性能。不同于传统的集成学习,选择性集成学习只选择一部分准确率高且差异性大的基学习器来构建集成学习器,在降低学习系统的计算与存储开销的同时,有望获得更好的泛化性能。针对当前的离群点检测方法所存在的问题,本文基于选择性集成学习来开展离群点检测的研究,重点研究了高维数据下的离群点检测问...  (本文共78页) 本文目录 | 阅读全文>>

华东师范大学
华东师范大学

集成回归问题若干关键技术研究

作为机器学习领域的四大研究方向之一,集成学习通过训练多个学习器并将其结果进行组合,从而在大多数情况下显著提升了学习器的泛化能力。因此,集成学习的基础理论、集成学习算法及应用是近年来机器学习领域的研究重点和热点。作为机器学习研究领域所要解决的两大核心问题(分类问题和回归问题)之一,回归问题已经被广泛应用于气象、水文、医学、金融、电力、交通等诸多领域。针对回归问题,国内外研究者已经提出了许多学习算法,如人工神经网络、分类回归树、支持向量机回归等等。集成学习在分类问题中已经取得了丰硕的理论和应用研究成果。然而,对于回归问题,集成学习的研究起步相对较晚,研究成果相对于分类问题也要少很多。相关的理论和应用研究还很不成熟,还存在大量尚未很好解决的技术问题。为此,本文围绕集成学习在回归问题中所要解决的算法框架、个体学习器生成、个体学习器的集成剪枝和结果组合、算法并行化等四个关键技术进行了深入地分析和研究。最后,基于本文的研究成果,设计并实现了...  (本文共145页) 本文目录 | 阅读全文>>

北京科技大学
北京科技大学

特征提取与集成学习算法的研究及应用

特征提取与集成学习算法一直是当前机器学习中的研究热点,在多个领域有着成功的应用。但集成学习技术还没有成熟,在研究过程中仍然存在着众多待解决的问题,在应用上也和人们期待的水平相去甚远。本课题对特征提取与集成学习进行了深入地研究,一方面分析了现有方法的优劣,另一方面,研究了影响特征提取与集成学习算法性能的各个因素,这为进一步改进特征提取与集成学习做好铺垫。在现有算法的研究基础上,提出了新的特征提取与集成学习算法。本论文的主要研究内容和创新点如下:1)核主成分分析与多层感知器神经网络是流行的特征提取算法,但这些算法存在效率低下与易陷于局部最优解等问题。针对KPCA与MLP算法存在的问题,提出了一种新颖的特征提取算法—基于最大间隔超平面的增强的特征提取算法。该算法独立于输入样本的概率分布,通过采用隔间最大化且两两正交的最大分割超平面,将输入样本映射到超平面的法线所构成的子空间中,实现输入样本的特征提取。在对现实世界数据集wine与AR的...  (本文共121页) 本文目录 | 阅读全文>>

大连海事大学
大连海事大学

模拟电路故障诊断AdaBoost集成学习方法研究

课题来源于重庆市交通委员会所立项目“三峡库区运输船舶节能实用技术研究”,研发船用柴油机油耗仪表。对于现代电子系统,模拟电路日益复杂,出现故障的可能性也随之增大,对模拟电路的故障诊断也越加困难。若船用仪表的模拟电路出现故障,会影响船用仪表测量的准确性和运行的稳定性,而导致仪表故障。为了增加船用柴油机油耗仪表测量的准确性和运行的稳定性,在研发船用柴油机油耗仪表的同时,开展模拟电路故障诊断方法的研究,在不影响油耗仪表原有功能的基础上,增加模拟电路故障诊断功能,使油耗仪表具有故障自诊断的功能。用无穷维AdaBoost集成学习算法进行模拟电路故障诊断。进行模式识别时,分类精度较高的强分类器不容易找到,分类精度比随机猜测略好的弱分类器很容易找到,AdaBoost集成学习算法集成多个弱分类器而成为一个强分类器,从而避免了直接去寻找强分类器,为了进一步增加AdaBoost集成学习算法的分类精度,将AdaBoost集成学习算法的弱分类器数量增加到...  (本文共132页) 本文目录 | 阅读全文>>