检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于演化算法的序回归技术研究

基于演化算法的序回归技术研究

作者：伍玉舟中国科学技术大学

学位级别：硕士

在很多实际应用中,数据的类别之间存在一种自然的序关系。例如,我们用1～5星去评价一部电影,3星评价高于2星评价,而4星评价低于5星评价。和标称数据不同,我们称这样一类数据为有序数据。有序数据的类别之间可以排序,但类别之间的差异却... 详细信息

在很多实际应用中,数据的类别之间存在一种自然的序关系。例如,我们用1～5星去评价一部电影,3星评价高于2星评价,而4星评价低于5星评价。和标称数据不同,我们称这样一类数据为有序数据。有序数据的类别之间可以排序,但类别之间的差异却没有精确的定义。例如,对电影的3星评价通常被认为优于2星评价,但是3星究竟比2星好多少却难以度量。预测有序数据的序的学习问题,称之为序回归。序回归有着广泛的实际应用场景,例如情感分析、信息检索、推荐系统、信用评价、医学等。序回归问题作为机器学习、数据挖掘领域重要的问题之一,越来越受到研究者们的关注。已有的工作主要集中在研究有监督序回归问题。然而,当缺少足够的有标签数据时,该问题变得难以处理。在很多实际应用中,有标签数据往往难以获取并且校对起来代价很高。而无标签数据通常大量存在,并且易于获得。因此,同时考虑有标签数据和无标签数据的半监督序回归问题具有重要的研究意义和实际价值。本文以此为动机,对半监督序回归问题做了一定的研究和讨论。本文提出了一种基于加权核判别分析的半监督序回归技术。该算法通过一个加权策略来引入无标签数据,而权重体现了不同训练数据对于类分布的贡献大小。通过同时使用有标签数据和无标签数据,可以更准确地估计类的分布信息,从而获得更好的投影向量和阈值。该投影向量将原始数据映射到一个一维的空间,使得相邻类别之间可以分隔开、相同类别的数据可以聚合紧,同时保持正确的序关系;阈值用来预测新样例的序。该算法使用一种标签传播的方法来计算权重。然而,由于标签传播算法没有考虑数据中的序信息,导致估计的权重有时不是很准确。为了更准确地估计类的分布信息并进一步提升性能,我们提出了改进的算法——基于演化算法的半监督序回归技术。该算法通过使用演化算法来优化无标签数据的权重,优化目标是使学习器拥有良好的学习性能和泛化能力。由于同时引入了无标签数据和序信息,所以该问题是一个非凸且不可导的优化问题。演化算法适用于处理这类问题,我们在本文使用差分进化算法。为了降低优化问题的维度,本文提出了一种权重更新规则和个体表示方法,用来间接地演化权重。通过该方法,问题维度从无标签样例个数量级下降到序个数量级。在多个数据集上的实验结果,证明了本文提出的两个半监督序回归算法的有效性。

关键词：序回归半监督学习核判别分析标签传播演化算法差分进化

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

进化算法中候选解的序回归预测方法研究

进化算法中候选解的序回归预测方法研究

作者：贺慧芳湖南理工学院

学位级别：硕士

在求解昂贵优化问题时,最常用的方法为代理辅助进化算法。大多数代理辅助进化算法通过建立代理模型逼近适应度函数,利用代理模型的预测结果代替真实评价来减少真实评价次数,以克服计算成本灾难问题。但是建立目标函数的高精度代理模型... 详细信息

在求解昂贵优化问题时,最常用的方法为代理辅助进化算法。大多数代理辅助进化算法通过建立代理模型逼近适应度函数,利用代理模型的预测结果代替真实评价来减少真实评价次数,以克服计算成本灾难问题。但是建立目标函数的高精度代理模型往往依赖于原黑箱问题和模型类型的先验知识,这些知识的缺乏会导致模型的预测性能显著降低。为获得泛化性能较好的代理模型,并降低算法对代理模型的精度要求,本文研究评价候选解优劣关系的序回归预测方法及其在进化算法中的应用。提出了一种候选解优劣性的序评价方法,研究了序回归预测的实现方法。与常规回归（函数逼近代理模型）预测方法在单目标和多目标优化问题上的对比实验表明,序回归预测方法具有较强的鲁棒性。利用Pareto优劣性分层结果为模型提供的训练数据不足以完全体现出数据本身所包含的有用信息,并且难以实现对未知候选解的有效预测。通过挖掘候选解集在目标空间中的相对位置信息,提出样本候选解的序计算方法（Pareto序）评价候选解性能,增加了分层的多样性。与非支配等级（Pareto优劣性分层结果）的对比实验表明,Pareto序回归预测方法提升了模型预测的精度。鉴于预测结果存在不确定性,为了更可靠地利用预测结果辅助进化算法,通过代理模型的折损累计增益法（DCGS）得到了一种分析模型预测不确定性的方法,仿真实验数据验证了该方法的合理性及有效性。针对单目标优化问题,实现了标量序回归预测与进化策略集成的序回归进化策略（ORES）。在经典单目标测试函数上的对比实验结果表明,在收敛性能上,ORES算法比函数逼近代理辅助进化策略具有明显的优势。针对多目标优化问题,实现了Pareto序回归预测方法与NSGA-II集成的序回归遗传算法（ORGA）。对ZDT、UF系列测试函数的仿真实验表明,与主流代理辅助进化算法相比,ORGA在有限资源下获得的非支配解集有更好的收敛性和多样性。

关键词：昂贵优化进化算法代理辅助优化序回归

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

序回归的特点及对预测应用的影响

四川地震 1994年第1期 5-8页

作者：秦卫平四川大学

用｛Ｙ＿Ｋ｝Ｋ＝１，２，…，ｎ表示量Ｙ的巳有记载，当Ｙ＿Ｋ与Ｋ相关较强时，有些文章中就由Ｙ关于序号Ｋ的回归方程，取作为Ｙ在下一步的预测或预测的过渡值。本文对这种按顺序回归的回归系数进行剖析，得知：ｎ稍大时，前期与中期... 详细信息

用｛Ｙ＿Ｋ｝Ｋ＝１，２，…，ｎ表示量Ｙ的巳有记载，当Ｙ＿Ｋ与Ｋ相关较强时，有些文章中就由Ｙ关于序号Ｋ的回归方程，取作为Ｙ在下一步的预测或预测的过渡值。本文对这种按顺序回归的回归系数进行剖析，得知：ｎ稍大时，前期与中期的数据Ｙ＿Ｋ在序回归中起主要作用，代表新近信息的后期Ｙ＿Ｋ作用甚小，因而回归值在尾端与实际值有较大偏离。加之，系数ｂ只是增量Ｙ＿Ｋ－Ｙ＿（Ｋ－１）的一种加权平均，以ｂ为步长外延未能刻划Ｙ＿（ｎ＋１）－Ｙ＿ｎ的起伏，故地震预测中应用序回归难有良好实效。

关键词：序回归回归方程地震预测地震

在线全文

学校读者我要写书评

暂无评论

网络科技论文学术影响力评价指标的选择

图书情报工作 2013年第3期57卷 69-77页

作者：沈小玲严卫中安徽财经大学图书馆 Machine Learning Lab GE Global Research Center Niskayuna

网络科技论文影响力的评价效果取决于评价指标变量的选择。将网络科技论文影响力评价与论文排名相关联,以Web of Science数据库中数学类论文为样本,从6个不同的排名等级组,即排名前0.01%、0.01%-0.1%、0.1%-1%、1%-10%、10%-20%、20%-5... 详细信息

网络科技论文影响力的评价效果取决于评价指标变量的选择。将网络科技论文影响力评价与论文排名相关联,以Web of Science数据库中数学类论文为样本,从6个不同的排名等级组,即排名前0.01%、0.01%-0.1%、0.1%-1%、1%-10%、10%-20%、20%-50%,分别抽取论文数十篇,用文献信息方法对单篇论文从内容、论文载体和论文作者三个层面初选28个特征变量,以324篇论文的排名等级与28个学术链接指标样本建立为"序回归"模型的研究问题。基于Lasso方法对28个学术链接指标进行变量选择和参数估计,获得9个学术链接特征指标作为评价网络科技论文学术影响力的基本特征指标;以418篇OA论文的排名等级对23个网络影响计量及其衍生变量进行变量选择,获得5个论文网络传播与利用影响力的评价指标。最终共获得14个网络科技论文学术影响力的评价指标。

关键词：网络科技论文特征指标学术链接影响力评价 Lasso回归序回归

基于多重冗余标记CRFs的句子情感分析研究

在线全文

学校读者我要写书评

暂无评论

中文信息学报 2007年第5期21卷 51-55,86页

作者：王根赵军中国科学院自动化研究所模式识别国家重点实验室北京100080

本文提出了一种基于多重冗余标记的CRFs并将其应用于情感分析任务。该方法不仅能够有效地解决有序标记的分类问题,还能够在保证情感分析中各子任务能够使用不同特征的前提下,将情感分析中的主客观分类、褒贬分类和褒贬强弱分类任务统一... 详细信息

本文提出了一种基于多重冗余标记的CRFs并将其应用于情感分析任务。该方法不仅能够有效地解决有序标记的分类问题,还能够在保证情感分析中各子任务能够使用不同特征的前提下,将情感分析中的主客观分类、褒贬分类和褒贬强弱分类任务统一在一个模型之中,在多个子任务上寻求联合最优,制约分步完成时误差的传播。实验证明,该方法有效地提高了句子情感分析任务的准确率。在理论上,该方法也为基于最大似然训练的算法解决序回归问题提供了一条途径。

关键词：计算机应用中文信息处理句子情感分析序回归条件随机场冗余标记

在线全文

学校读者我要写书评

暂无评论

基于多重冗余标记CRF的句子情感分析研究

基于多重冗余标记CRF的句子情感分析研究