集成Logistic和SVM的分類算法研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩38頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、 集成 Logistic 和 SVM 的分類算法研究 重慶大學(xué)碩士學(xué)位論文 學(xué)生姓名:謝 玲 指導(dǎo)教師:劉瓊蓀 教 授 專 業(yè):概率論與數(shù)理統(tǒng)計(jì) 學(xué)科門類:理 學(xué) 重慶大學(xué)數(shù)學(xué)與統(tǒng)計(jì)學(xué)院 二 O 一一年四月 重慶大學(xué)碩士學(xué)位論文 中文摘要 I 摘 要 分類是數(shù)據(jù)分析與機(jī)器學(xué)習(xí)領(lǐng)域的基本問(wèn)題之一,國(guó)內(nèi)外學(xué)者對(duì)分類算法的研究已有大量的成果。Logistic 回歸模型是一種應(yīng)用最為廣泛的多元量化分析技術(shù),其特點(diǎn)是穩(wěn)健性好,模型

2、的可解釋性較強(qiáng)。支持向量機(jī)(SVM)是由 Vapnik提出的統(tǒng)計(jì)學(xué)習(xí)理論發(fā)展而來(lái),它在處理小樣本、非線性以及高維數(shù)等問(wèn)題時(shí)具有一些獨(dú)特的優(yōu)勢(shì)。目前,SVM 已經(jīng)成為機(jī)器學(xué)習(xí)領(lǐng)域的研究熱點(diǎn)。 傳統(tǒng)的 Logistic 回歸用于二分類的方法一般以 0.5 為分界點(diǎn),這樣可能存在較大的誤判風(fēng)險(xiǎn),尤其是對(duì)于 0.5 附近模糊區(qū)間的樣本點(diǎn)。針對(duì) logistic 回歸處理分類問(wèn)題的不足, 本文將支持向量機(jī)引入到傳統(tǒng)的 Logistic 回歸分類方

3、法中, 利用支持向量機(jī)的輸出結(jié)果為 Logistic 回歸提供支持信念,減少 Logistic 回歸中的誤判風(fēng)險(xiǎn),從而提高分類的正確率。 本文首先概述了 Logistic 回歸模型的原理、 推導(dǎo)和檢驗(yàn), 接著詳細(xì)介紹了支持向量機(jī)及其相關(guān)理論,包括機(jī)器學(xué)習(xí)的基本理論、統(tǒng)計(jì)學(xué)習(xí)理論、SVM 分類算法以及模型參數(shù)的選擇等。 然后, 在深入分析 Logistic 回歸和支持向量機(jī)理論的基礎(chǔ)上, 本文構(gòu)造了一種集成 Logistic 回歸與支持向

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論