检索结果-南通市图书馆

高维非可加Logistic半参数模型的核机器学习方法及应用

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

高维非可加Logistic半参数模型的核机器学习方法及应用

作者：郑侠北京工业大学

学位级别：硕士

Logistic回归模型是一类常用的以二元结果作为响应变量的分类预测模型,被广泛应用于基因学、生物学和经济学等领域。随着大数据技术的飞速发展,现实数据呈现出高维性,且变量关系复杂。高维数据往往包含大量冗余预测变量,干扰回归模型中... 详细信息

Logistic回归模型是一类常用的以二元结果作为响应变量的分类预测模型,被广泛应用于基因学、生物学和经济学等领域。随着大数据技术的飞速发展,现实数据呈现出高维性,且变量关系复杂。高维数据往往包含大量冗余预测变量,干扰回归模型中响应变量与相关预测变量的关系识别,降低模型预测精度。此外,预测变量与响应变量之间的复杂非线性关系难以灵活刻画,预测变量之间的高阶交互效应也难以自动建模,特别是对于高维情形。如何灵活刻画变量之间的复杂非线性关系,实现变量自动选择,从而实现Logistic半参数模型的精确预测是当前统计科学研究热点问题之一。因此,研究高维数据背景下精准的Logistic半参数模型的构建及其应用能够丰富和发展半参数建模理论方法,同时对于患病风险的精确预测和病人精准治疗方案的制定具有较大实践价值。本文利用“Garrotized”核机器技术逼近非参数函数以灵活刻画预测变量与二元因变量之间的复杂关系,借助LASSO方法自动筛选重要预测变量,构建基于核机器的非可加Logistic半参数模型,并提出一种惩罚Logistic“Garrotized”核机器(Penalized Logistic Garrotized Kernel Machine,PLGKM)方法。本文开发了一种有效的“One-Group-at-a-Time”循环坐标下降算法用于高维模型的快速计算。PLGKM方法的优势在于既能灵活刻画预测变量与响应变量之间的复杂关系,也能实现对预测变量间可能的高阶交互效应的自动建模同时可以自动剔除参数和非参数分量中不相关的预测变量,从而提升模型的预测精度。此外,本文研究了广义半参数模型的PLGKM方法,并以Poisson分布为例,验证Poisson半参数模型的惩罚Garrotized核机器方法的有效性。本文通过蒙特卡洛模拟考察所提出的PLGKM方法的有限样本表现。模拟结果表明在多元、高维甚至超高维情形下,相比于现有代表性方法,PLGKM方法的预测性能更优;相较于LASSO方法,Poisson半参数模型的惩罚Garrotized核机器方法预测精度更高。将所提出的方法用于乳腺癌患病风险预测,实证结果表明相比于现有的代表性方法,PLGKM方法的患病风险预测精度更高,验证了所提出方法的适用性。

关键词： Logistic半参数模型核机器高维数据变量选择 LASSO

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于核机器的加速失效时间模型及其应用

基于核机器的加速失效时间模型及其应用

作者：王江慧北京工业大学

学位级别：硕士

作为一类常用的以生存期作为响应变量的生存分析模型,加速失效时间模型以其易解释性被广泛地应用于生存期预测。随着基因组学的不断发展,联合临床数据和高维基因表达数据以预测患者的生存预后成为生存分析领域的一个热点问题。然而,当... 详细信息

作为一类常用的以生存期作为响应变量的生存分析模型,加速失效时间模型以其易解释性被广泛地应用于生存期预测。随着基因组学的不断发展,联合临床数据和高维基因表达数据以预测患者的生存预后成为生存分析领域的一个热点问题。然而,当模型中存在大量冗余预测变量,且预测变量与响应变量的关系非常复杂时,在高维情形下精准的加速失效时间预测模型的构建极具挑战。对于生存数据,研究半参数加速失效时间模型的精确预测,可以丰富和发展半参数建模理论和方法,对于患病风险和生存期精准预测和高危、高发疾病的精准治疗方案制定具有较大的实践价值。本文利用核机器刻画预测变量与响应变量间的复杂关系,借助LASSO惩罚剔除冗余变量,在随机误差服从特定分布和其分布未知两种情形下,分别构建基于核的加速失效时间模型,相应提出了新型的正则化Garrotized核机器学习方法,并编制了有效的“逐组梯度下降”迭代算法。本文所提方法的主要优势是能够较好地刻画预测变量与响应变量间潜在的非线性关系,实现预测变量间交互作用的自动建模,自动剔除冗余变量,进而提升模型预测精度。本文通过数值模拟考察所提出方法的有限样本表现,结果表明:在误差分布已知和未知两种情形下,相比于现有代表性方法,正则化Garrotized核机器估计方法具有更高的预测精度,特别是在预测变量与响应变量间的关系较为复杂的情形下更具优势。基于胃癌数据和套细胞淋巴瘤数据的临床和基因表达信息,将所提方法用于患者的生存期和风险评分预测,实证结果显示所提两种方法能为患者的风险分级和个性化治疗方案设计提供有益的参考,这验证了所提出方法的实用性。

关键词：加速失效时间模型核机器风险预测再生核希尔伯特空间变量选择

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

三种有效的核机器

三种有效的核机器

作者：王玲西安电子科技大学

学位级别：硕士

统计学习理论和核技术的结合造就了支持向量机的成功，同时也触发了核机器的产生和其迅速的发展。核机器已经成为机器学习领域一个新的研究方向。本文在对统计学习理论和支持向量机进行深入分析的基础上，进一步研究并提出了以下三类核... 详细信息

统计学习理论和核技术的结合造就了支持向量机的成功，同时也触发了核机器的产生和其迅速的发展。核机器已经成为机器学习领域一个新的研究方向。本文在对统计学习理论和支持向量机进行深入分析的基础上，进一步研究并提出了以下三类核机器： (1) 隐空间核机器。首先在隐空间中采用最小二乘损失函数度量经验风险，提出了最小二乘隐空间支持向量机(LSHSSVMs)。接着为了解决LSHSSVMs没有稀疏性的缺陷，我们在隐空间中构造出一种新的结构风险，利用这一结构风险，提出了稀疏隐空间支持向量机(SHSSVMs)。 (2) 小波核机器。基于正交小波尺度函数良好的逼近性能，直接用其来构造核函数，提出了一种基于小波核的脊回归算法(WKRR)。WKRR对核函数没有Mercer正定条件的约束，且核函数构造简单，易于实现。 (3) 贝叶斯核机器。基于秩-1更新，提出了稀疏贝叶斯学习算法(SBLA)。该算法具有较低的计算复杂度和较高的稀疏性，从而适合于求解大规模问题。理论分析以及仿真实验结果证明了所提算法的有效性和可行性。

关键词：核机器统计学习理论分类回归支持向量机隐空间小波核函数贝叶斯学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于核机器学习的油气管道焊缝检测方法初探

大陆桥视野 2015年第24期 120-120页

作者：武晓朦吴凯西安石油大学电子工程学院

本文叙述了传统的管道焊缝检测方法及目前计算机、图像处理及模式识别等现代技术在管道焊缝检测中的应用，在理论上阐述了将核机器学习方法用于油气管道焊缝检测的可行性。

关键词：管道焊缝检测核机器

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

核极化优化多参数高斯核的特征选择算法

机械设计与制造 2018年第5期 148-150,154页

作者：张文兴陈肖洁内蒙古科技大学机械工程学院内蒙古包头014010

为了解决支持向量机中多特征样本的特征选择问题,鉴于多参数高斯核中的多参数的不同取值可以区分和体现样本中各个特征的重要性差异,在深入分析核极化的几何意义和多参数高斯核特点的基础上,提出了基于核极化梯度优化多参数高斯核的特... 详细信息

为了解决支持向量机中多特征样本的特征选择问题,鉴于多参数高斯核中的多参数的不同取值可以区分和体现样本中各个特征的重要性差异,在深入分析核极化的几何意义和多参数高斯核特点的基础上,提出了基于核极化梯度优化多参数高斯核的特征选择算法。首先,利用核极化的梯度迭代算法来寻求多参数高斯核的最优多参数值,然后,以优化的多参数大小为基准,进行样本特征的重要性程度强弱标定,进而,采用特征重要性指标来执行SVM的特征选择。最后,将选择出的样本特征子集应用于SVM分类器中。UCI数据的实验结果表明,相较于PCA-SVM、KPCA-SVM和经典SVM方法,所提出算法的分类正确率更高,验证了核极化与多参数模型特征选择算法的有效性。

关键词：特征选择核极化多参数高斯核支持向量机核机器

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

基于混合模式的入侵检测系统研究与设计

微电子学与计算机 2009年第3期26卷 173-175页

作者：郑玉山西北工业大学计算机学院陕西西安710072

关联分析和分类分析是数据挖掘的关键技术,但传统算法对入侵检测数据进行处理时有很多的不足,使用加权关联分析和核机器分类算法构造混合型入侵检测系统.设计后的系统框架分为检测客户端和检测服务端,检测客户端主要是对数据的预处理和... 详细信息

关联分析和分类分析是数据挖掘的关键技术,但传统算法对入侵检测数据进行处理时有很多的不足,使用加权关联分析和核机器分类算法构造混合型入侵检测系统.设计后的系统框架分为检测客户端和检测服务端,检测客户端主要是对数据的预处理和生成检测模型;检测服务端主要是判断检测模型,进行入侵数据的二次挖掘.结果说明,该系统具有良好的入侵数据分类效果.

关键词：分类分析入侵检测加权关联规则核机器混合模式

基于数据挖掘技术的入侵检测系统的设计与实现

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

基于数据挖掘技术的入侵检测系统的设计与实现

作者：康慕宁西北工业大学

学位级别：硕士

传统入侵检测模型的建立过程效率低,研究成本高,而数据挖掘在未知知识获取方面具有独特优势,因此基于数据挖掘的入侵检测成为研究热点。入侵检测不仅需要利用模式匹配技术来发现入侵行为,还需要在此基础上利用数据挖掘技术对审计数据加... 详细信息

传统入侵检测模型的建立过程效率低,研究成本高,而数据挖掘在未知知识获取方面具有独特优势,因此基于数据挖掘的入侵检测成为研究热点。入侵检测不仅需要利用模式匹配技术来发现入侵行为,还需要在此基础上利用数据挖掘技术对审计数据加以分析以发现更为复杂的和隐藏的入侵行为。本文重点是在研究数据挖掘方法的基础上,给出了一种混合入侵检测系统的框架。具体工作包括: 1.研究并改进关联规则算法用于建立网络包特征规则使用并改进数据挖掘关联规则挖掘算法,对网络包特征进行详细的分析。入侵数据包括网络传感器收集的网络中的大量数据包和主机传感器收集的本地主机系统生成的日志,在入侵检测系统客户端中,我们利用加权关联规则来提取特征和检测模式。 2.研究核机器分类算法来分类入侵检测数据分类分析是数据挖掘技术中的关键技术,但传统的分类分析算法对入侵检测数据进行处理有许多不足之处。我们使用DRC-BK算法分类入侵数据,一方面可以取得良好的分类准确度,另一方面分类规则可以被人类专家理解,从而有助于制定入侵预防和防止的措施。 3.提出并建立了网站的入侵检测框架分析了入侵检测系统的实现方式和安全性能,探讨了从网络数据采集、数据预处理、构造训练数据集、数据过滤,到利用数据挖掘技术生成入侵检测规则的整个过程的机理和实现方法。在上述研究的基础上设计并实现了一个入侵检测系统框架。

关键词：网络安全入侵检测核机器

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于图核的蛋白质分类

基于图核的蛋白质分类

作者：熊志康北京工业大学

学位级别：硕士

蛋白质科学是生物科学的重要组成部分,蛋白质分类是蛋白质科学的热点研究领域。如今,模式识别与机器学习的广泛研究,快速的推动了蛋白质分类的发展。在模式识别领域,大部分数据是不能线性区分的。蛋白质的分类是一种复杂且非线性的分类... 详细信息

蛋白质科学是生物科学的重要组成部分,蛋白质分类是蛋白质科学的热点研究领域。如今,模式识别与机器学习的广泛研究,快速的推动了蛋白质分类的发展。在模式识别领域,大部分数据是不能线性区分的。蛋白质的分类是一种复杂且非线性的分类问题,人们迫不及待的要寻求一种高效的算法,来对非线性模式进行分类。核方法的出现,解决了非线性模式线性不可分的问题,为此,核方法也越来越受到更多的关注和研究。在现实世界中,很多对象都是结构化的。一种有效的表示方法就是图。将核机器应用到图结构上,便得到图核。基于图结构的广泛适用性,图核已经被应用到很多领域并广受关注。易于表示和计算是评判图核的重要标准。很多种图核已经被提出并可大致分为三类:基于通路或路径的图核、基于子树模式的图核以及基于子图的图核。随着Weisfeiler-Lehman图匹配算法的提出,实验发现,将其与图核结合起来,把新得到的图核应用到支撑向量机中对蛋白质进行分类,可以取得良好的分类效果,并且这种图核能够适用于绝大部分的图结构。本文的工作内容主要在以下几个方面:(1)深入了解分类器的基本原理,深入分析核方法的工作原理,并讲解了核函数的性质、判别方法以及复杂核函数的构造方法,介绍了基于核函数的支撑向量机,并引出图核概念,介绍已有的几种图核;(2)了解Weisfeiler-Lehman图匹配算法过程,并将其结合到图核算法中,提出WL图核方法。由于WL图核能充分挖掘图的拓扑信息及图顶点之间的联系,用WL图核来度量两个图之间的匹配程度,能够取得较好的效果。蛋白质的功能与其空间结构密切相关,可以将蛋白质分子用图表示出来,模拟出蛋白质的空间结构。本文实验中,首先根据蛋白质一级结构及三级结构构造图,并用WL图核来分类,时间复杂度相差不大,分类准确率比其他方法要好。

关键词：核机器支撑向量机图核蛋白质分类