检索结果-南通市图书馆

山西农业大学学报（自然科学版） 2020年第1期40卷 86-93页

作者：但松健重庆第二师范学院继续教育学院

[目的]本研究旨在提高果品内部品质检测的时效性和准确性。[方法]本文提出基于最小角度回归(Least Angle Regression,LAR)模型的果品品质分析方法。[结果]与现有的非线性LS-SVM(Least Squares Support Vector Machines)和线性的PLSR(Par... 详细信息

[目的]本研究旨在提高果品内部品质检测的时效性和准确性。[方法]本文提出基于最小角度回归(Least Angle Regression,LAR)模型的果品品质分析方法。[结果]与现有的非线性LS-SVM(Least Squares Support Vector Machines)和线性的PLSR(Partial Least Squares Regression)模型进行对比表明,在预测准确度上,LS-SVM模型达到了最优的预测性能,而LAR模型明显优于常用的线性的PLSR模型;在计算复杂度上,LAR和PLSR模型明显优于LS-SVM模型;在模型的可解释方面,LAR模型要优于PLSR模型。[结论]LAR模型虽然在预测精度上稍逊于LS-SVM,但在模型的实现和计算复杂度以及可解释方面都具有明显的优势,因此提出的LAR模型更能有效地应用于基于NIR光谱的果品品质分析中。

关键词：最小角度回归 NIR光谱果品品质分析

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

最小角度回归方法在PCA识别领域的应用

引用

经营管理者 2015年第3期 379-379页

作者：商梦琦蒋辰首都经济贸易大学

本文利用解决lasso回归的lars算法思路,在基于PCA的图像特征提取的原理上,对Yale B数据库中的人脸图像进行建模,利用基于图像的lasso回归系数的贡献率进行图像的识别分析,验证了现代回归统计方法在模式识别领域方面的可行性。

关键词：主成分分析模式识别特征提取最小角度回归

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

海量数据相关性判别算法研究及应用

海量数据相关性判别算法研究及应用

引用

作者：许俊钊黑龙江大学

学位级别：硕士

数据增长速度比以往任何时候都快,到2020年,地球上的每个人每秒创造大约1.7兆字节的新信息。检测大数据集中变量之间的关系在基因组学,物理学,政治学和经济学领域变得越来越普遍,这使得发现变量之间的关系成为一个日益严峻的挑战。一般... 详细信息

数据增长速度比以往任何时候都快,到2020年,地球上的每个人每秒创造大约1.7兆字节的新信息。检测大数据集中变量之间的关系在基因组学,物理学,政治学和经济学领域变得越来越普遍,这使得发现变量之间的关系成为一个日益严峻的挑战。一般而言,在样本量足够大的情况下,我们希望能够找到变量之间广泛的关联,不仅限于特定的函数(如线性),而应该是所有的函数关系。我们希望找到在不同类型的关系中具有相同噪音下的相似的分数度量。在对基因数据的研究中,检测与疾病关联的致病基因的研究占有重要地位,是人们研究的重点问题。然而现有的大部分方法检测手段时间长、代价大,因此希望通过其他手段对致病基因做出检测。而传统的计算方法对于非线性的函数检测效果差,为此,本文针对这两点提出新的解决方法。本文的主要研究成果有:1.最大信息系数(MIC)是一种有效的探索数据关系的工具。MIC在将变量划分成网格时穷尽所有划分方法,并且该过程决定了MIC算法的时间在大数据集中计算复杂。我们通过提出一种新的近似算法,对MIC在大数据集中的应用做出了重大改进,称为CDMIC(使用Cluster Division的最大信息系数)。首先,我们使用快速聚类方法来生成相似数据的中心节点,并使用中心节点来表示密切相关的点,形成聚类。其次,计算每个区域的MIC值,最后,我们使用加权MIC值的总和。实验结果表明,CDMIC保留了MIC的优点,可以准确识别相关数据对的存在。而CDMIC算法在时间有效方面远优于MIC算法。该方法可以用于致病基因的检测。2.传统的检测致病基因的方法为线性回归,但线性回归的方法在非线性的函数下检测效果差,而非线性回归的方法检测时间长。本文整合了两种方法的优点,提出了基于装袋的区域逐步非线性回归模型,并采用最小角度回归(LARS)算法快速的得到结果,最后验证该算法的正确性与时间效率。实验结果表明:相对于传统方法使用的线性回归模型,本文提出的基于装袋的逐步非线性回归模型在基因数据上得到的效果更好。

关键词：相关系数最大信息系数线性回归模型非线性回归模型最小角度回归

来源：

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

基于RLS-MARS特征选择的文本分类方法研究

基于RLS-MARS特征选择的文本分类方法研究

引用

作者：李希江西师范大学

学位级别：硕士

随着来自于互联网和企业内部网的信息不断增多,需要一种工具来帮助人们对这些信息资源进行组织、存储和访问。自动文本分类是主要工具之一。文本分类(Text Classification, TC)就是将文档自动指派到预先设定类别的过程。自动文本分类作... 详细信息

随着来自于互联网和企业内部网的信息不断增多,需要一种工具来帮助人们对这些信息资源进行组织、存储和访问。自动文本分类是主要工具之一。文本分类(Text Classification, TC)就是将文档自动指派到预先设定类别的过程。自动文本分类作为处理和组织大量文本数据的关键技术,可以在较大程度上解决信息杂乱现象的问题,方便用户准确地得到所需的信息。文本分类的一个主要的问题就是高维的特征空间。这些特征空间是由文档中的词或词组构成的,对于一个中等程度的文档集可能就会形成成百上千万的特征项。对于许多的学习算法来说这么高维的特征项是无法处理的,过大的特征空间会导致“维数灾难”,从而降低分类器的泛化能力,出现“过学习”的现象。因而在不影响特征准确度的情况下减少原来的文本描述空间是很有必要的。特征选择与特征抽取有助于在文本数据集中移除噪音特征,降低维数。特征抽取是将原始特征空间投影到一个低维空间从而创造出新的特征,通常是原始特征的线性或非线性组合。特征抽取有助于解决多义词、同义词问题,但是不能给出新特征的语义解释。特征选择是利用某种评价函数独立地对每个原始特征项打分,按分值从高到低排序,从中选取若干分值最高的特征项。特征选择方法的主要目的是在原始的特征空间中选择一个特征子集,组成一个低维空间来表示原始特征空间。我们将Efron的Least angle regression(最小角度回归)方法和Regularized Least Squares(规则最小二乘)方法相结合,提出了规则最小二乘多角度回归(RLS-MARS)算法。该方法试图在特征空间中,寻找一组方向,使得特征梯度矩阵能沿着这一方向变化,且特征梯度矩阵的模值越来越小,在这一过程中,生成了一系列有序特征。新模型中特征选择方法主要考虑了潜在变量之间(文本词之间)的关系,试图从原始特征集合中选取有效显著特征。这些被选出来的特征之间的相关性很小,且与原始特征同分布。通过RLS-MARS特征选择技术,来提取核心特征是在多维空间中按照特征的特性,设计算法在多角度中计算出相对最小角度,选出梯度下降方向,重新设置梯度向量,从而提取到核心特征。RLS-MARS特征选择技术,主要是研究在低维数情况下特征选择的情况,在多个向量夹角中选出当前情况下的最小角度,从而得到当前梯度向量的梯度下降方向,更新梯度向量值,选出函数拟合变量,从而筛选出合理的特征。我们的模型分别考察了类别不均衡与类别均衡情况下,参数二范数规范和参数二范数忽略,各个数据集中各类的F1评估值情况。在Reuter-21578语料库上的试验表明,RLS-MARS特征选择方法在考虑参数二范数规范的结果要比参数二范数忽略情况下的要好很多。随着维数的增加,RLS-MARS的分类效果在某些类别上要优于卡方统计。

关键词：文本分类特征选择规则最小二乘最小角度回归规则最小二乘多角度回归

来源：

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

双线性时间序列模型的Lasso方法定阶

双线性时间序列模型的Lasso方法定阶

引用

作者：谭理想南京大学

学位级别：硕士

关于双线性时间序列模型BL(p,q,P,Q)的定阶问题,前人已经做了很多工作,并研究出了一些对于模型系数进行估计的优良算法,比如遗传算法等。但对于模型定阶的问题,我们希望模型回归的非零系数尽可能的少一些,并且这些非零参数对响应变量的... 详细信息

关于双线性时间序列模型BL(p,q,P,Q)的定阶问题,前人已经做了很多工作,并研究出了一些对于模型系数进行估计的优良算法,比如遗传算法等。但对于模型定阶的问题,我们希望模型回归的非零系数尽可能的少一些,并且这些非零参数对响应变量的影响尽可能的大。现有的模型定阶和参数回归方法并不能很好的满足这个要求。因此,我们需要引入Lasso方法,它的优势在于能够合理压缩模型参数。本文综合运用Lasso方法、广义交叉核实方法(统称为GcV)、最小角度回归(Lars)方法和逐步回归(Step)方法,即GLLS方法对BL模型进行定阶,并通过数据模拟和实例应用证明了利用GLLS方法拟合模型不但简洁、准确率比较高,而且模型系数估计能够收敛到全局最优解,这使得模型的稳定性更强。

关键词： BL模型 Lasso 广义交叉核实最小角度回归逐步回归 GLLS

来源：

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

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：