收藏本站
《北京化工大学》 2016年
收藏 | 手机打开
二维码
手机客户端打开本文

面向函数型数据分析的机器学习算法研究与应用

贾鑫  
【摘要】:函数型数据是机器学习中的一类重要的数据类型。本文研究基于函数型数据的机器学习算法,针对经济数据和医学数据提出了特征提取和预测的新的方法,针对多任务学习问题提出了多任务最小二乘正则化回归算法。本文所提算法在测试数据集上取得了优良的预测性能,并且为基于函数型数据的机器学习算法的设计提供了新的思路。“社会消费品零售总额”是国民经济中的一项重要经济指标。本文基于我国在1984-2010年间的该项数据,设计了其长期趋势和季节性波动的特征提取方法。利用基于主微分分析的正则化回归迭代算法,将社会消费品零售总额的离散数据拟合成一个低频函数和一个高频函数之和。其中,低频函数体现了这一数据的长期变化趋势;高频函数体现了这一数据的年内季节性变化特点。进一步,在特征提取的基础上,本文提出了基于长期趋势和季节性趋势的预测方法,并将二者预测之和作为最终预测。在长期趋势的预测上,采用了平衡长期线性趋势与局部导数信息的方法;在季节性趋势的预测上,设计了前期季节性规律的加权算法。本文设计的预测方法在真实数据上取得了很好的短期预测结果。青光眼是一种严重的眼科疾病,早期诊断困难。本文提出了基于眼底照的特征提取和青光眼预测方法。本文将眼底照中的视杯视盘轮廓线转化为能够反映局部杯盘比的连续曲线。进一步,基于这条曲线,借鉴医生的先验知识,提出了垂直杯盘比和ISNT评分两项评价指标。基于这两项指标,运用支持向量机算法对眼底照进行两分类预测。在测试数据集上,我们的方法获得了93%的预测准确率。多任务学习的目标是借助相关任务的信息来提高目标任务的预测准确率。本文设计了多任务最小平方正则化回归算法。该算法能够利用相关任务的样本数据为目标任务选择最合适的模型参数,进而利用目标任务的样本完成对目标任务回归函数的预测。在仿真实验中,本文所提多任务学习算法能够选取更为合适的模型参数,从而取得了优于单任务学习的预测结果。
【学位授予单位】:北京化工大学
【学位级别】:硕士
【学位授予年份】:2016
【分类号】:TP181

手机知网App
【参考文献】
中国期刊全文数据库 前9条
1 杨新洪;;深圳经济特区消费品市场变化研究——商品销售额与社会消费品零售总额增长的相关分析[J];调研世界;2013年11期
2 王洁丹;朱建平;付荣;;函数型死亡率预测模型[J];统计研究;2013年09期
3 严明义;蒲泾泾;严康;;函数性数据的微分方程分析方法及经济应用[J];统计与信息论坛;2013年08期
4 王正欢;刘琦;罗朝辉;杨柱元;;基于小波分析的全国社会消费品零售总额时间序列预测[J];云南民族大学学报(自然科学版);2011年03期
5 严明义;杜鹏;;中国消费价格指数季节变动的函数性数据分析[J];统计与信息论坛;2010年08期
6 法丽娜;;关于我国社会消费品零售总额持续增长的实证分析[J];经济问题;2010年05期
7 叶振军;张庆翠;王春峰;;时变参数N-S期限结构模型的主微分分析及其实证研究[J];预测;2009年04期
8 邵民智;;上海社会消费品零售总额的灰色系统分析[J];统计与决策;2005年23期
9 刘晓梅,傅德印;对我国2004年社会消费品月度零售总额分析预测[J];甘肃科学学报;2004年01期
【共引文献】
中国期刊全文数据库 前10条
1 程丽娟;;上证指数的函数型主成分分析预测[J];岭南师范学院学报;2016年03期
2 贾鑫;徐永利;;基于函数性数据分析的中国社会消费品零售总额数据研究[J];北京化工大学学报(自然科学版);2016年03期
3 范勇;朱文革;;中国死亡率的抽样误差修正、预测及应用——基于引力模型与日本相应数据[J];保险研究;2016年03期
4 王文倩;王红艳;李梅芳;;基于ARIMA模型的我国社会消费品零售总额实证分析[J];商业经济;2016年02期
5 谭鹏成;;ARIMA模型在零售业预测研究中的适应性分析——以江阴市为例[J];无锡商业职业技术学院学报;2016年01期
6 唐军;;“十三五”时期北京市社会消费品零售总额的预测[J];经济统计学(季刊);2015年01期
7 潘冬;石常峰;;我国社会消费品零售总额预测方法与应用[J];统计与决策;2015年13期
8 刘春义;刘黎明;王少国;;经济周期测算的新视角——基于函数型数据分析方法[J];调研世界;2015年06期
9 高迪;余良昊;赵迪;;社会消费品零售总额的影响因素分析[J];中外企业家;2015年09期
10 李敏;;基于函数型主成分分析方法的用水量数据分析[J];合肥学院学报(自然科学版);2014年04期
【二级参考文献】
中国期刊全文数据库 前10条
1 剡亮亮;;基于函数性视角的经济数据分析——以主微分分析方法为例[J];统计与信息论坛;2013年01期
2 李纪华;张倩肖;;全行业视角下我国上市公司并购重组差异性研究——基于函数性数据分析方法[J];经济问题探索;2012年09期
3 王晓军;任文东;;有限数据下Lee-Carter模型在人口死亡率预测中的应用[J];统计研究;2012年06期
4 严明义;杜鹏;;中国消费价格指数季节变动的函数性数据分析[J];统计与信息论坛;2010年08期
5 马亮亮;田富鹏;;基于ARMA模型的海西州地区慢支发病情况研究[J];云南民族大学学报(自然科学版);2010年04期
6 李志生;刘恒甲;;Lee-Carter死亡率模型的估计与应用——基于中国人口数据的分析[J];中国人口科学;2010年03期
7 黄顺林;王晓军;;加入出生年效应的死亡率预测及其在年金系数估计中的应用[J];统计与信息论坛;2010年05期
8 严明义;;网上拍卖竞买者出价水平的动态演变模式研究[J];统计研究;2010年03期
9 陈卫萍;潘紫微;;非平稳振动信号的小波去噪及其应用[J];机械工程师;2009年12期
10 刘娜;郑小洋;李为平;;基于小波分析的经济数据预测[J];重庆工学院学报(自然科学版);2009年11期
【相似文献】
中国期刊全文数据库 前10条
1 辛宪会;叶秋果;滕惠忠;郭思海;李军;张靓;韩晓宏;;小样本机器学习算法的特性分析与应用[J];海洋测绘;2007年03期
2 何清;李宁;罗文娟;史忠植;;大数据下的机器学习算法综述[J];模式识别与人工智能;2014年04期
3 王继成;基于认知模拟的自适应机器学习算法研究[J];软件学报;2001年08期
4 刘永定;阳爱民;周序生;邹豪杰;;使用机器学习算法分类P2P流量的方法[J];计算机应用研究;2009年09期
5 吴秀清,韩彬斌;基于Bayes算法的Web网页识别[J];计算机工程;2000年03期
6 陶卿;姚穗;范劲松;方廷健;;一种新的机器学习算法:Support Vector Machines[J];模式识别与人工智能;2000年03期
7 A N.Meltzoff;P K.Kuhl;J Movellan;T J.Sejnowski;冯锐;缪茜惠;;新学习科学的基础[J];远程教育杂志;2011年01期
8 张宏莉;鲁刚;;分类不平衡协议流的机器学习算法评估与比较[J];软件学报;2012年06期
9 张栋;柯长青;余瞰;;机器学习算法在ALOS影像分类中的应用研究[J];遥感信息;2010年03期
10 杨树仁;沈洪远;;基于相关向量机的机器学习算法研究与应用[J];计算技术与自动化;2010年01期
中国重要会议论文全文数据库 前1条
1 何晏成;关毅;岳淑珍;;一个基于免疫机制的在线机器学习算法[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年
中国硕士学位论文全文数据库 前8条
1 张春迎;机器学习算法在不同领域数据分析中的应用[D];天津大学;2014年
2 袁方方;基于云平台的机器学习算法并行化研究与应用[D];内蒙古师范大学;2016年
3 贾鑫;面向函数型数据分析的机器学习算法研究与应用[D];北京化工大学;2016年
4 张泽;机器学习算法及其工程应用研究[D];天津大学;2012年
5 班瑞;基于语义Web的机器学习算法研究与应用[D];南京理工大学;2006年
6 张予焓;产品评价对象的提取与分析[D];北京邮电大学;2010年
7 刘永定;基于机器学习算法的P2P流量分类研究[D];湖南工业大学;2009年
8 刘金克;基于机器学习算法的隐喻识别研究[D];南京师范大学;2011年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026