集成學(xué)習(xí)通過(guò)訓(xùn)練多個(gè)學(xué)習(xí)器來(lái)解決同一個(gè)問(wèn)題,其泛化能力和穩(wěn)定性往往要優(yōu)于單一的學(xué)習(xí)器,因此受到廣泛的關(guān)注。分類器集成方法,集成學(xué)習(xí)的主要研究方向,被廣泛應(yīng)用于解決經(jīng)濟(jì)管理、工程管理、醫(yī)學(xué)診斷等領(lǐng)域的分類問(wèn)題,如個(gè)人信用評(píng)估、企業(yè)財(cái)務(wù)危機(jī)預(yù)警、系統(tǒng)故障檢測(cè)、醫(yī)學(xué)診斷等。一個(gè)有效的分類器集成方法,能夠幫助金融機(jī)構(gòu)預(yù)測(cè)客戶的違約率,降低財(cái)務(wù)風(fēng)險(xiǎn);能夠幫助工程管理人員盡早發(fā)現(xiàn)故障,及時(shí)制定維修計(jì)劃;能夠幫助醫(yī)護(hù)人員進(jìn)行智能判斷,盡快制定治療方案。隨著經(jīng)濟(jì)的發(fā)展、自然環(huán)境的變化和科學(xué)技術(shù)的進(jìn)步,人們對(duì)分類器集成方法的泛化能力和穩(wěn)定性要求越來(lái)越高。本文在全面介紹分類器集成選擇方法、分類器動(dòng)態(tài)集成選擇、分類器動(dòng)態(tài)加權(quán)集成方法研究現(xiàn)狀的基礎(chǔ)上,分析已有研究存在的局限性,結(jié)合D-S證據(jù)理論、模糊軟集合、馬爾科夫鏈、軟概率等理論,提出相應(yīng)的解決方案,有效提高分類器集成方法的分類性能。主要研究?jī)?nèi)容包括三個(gè)方面:第一,基于模糊軟集合和D-S證據(jù)理論的分類器集成選擇方法研究。隨著大數(shù)據(jù)時(shí)代的到來(lái),用于訓(xùn)練基分類器的樣本量越來(lái)越大,學(xué)習(xí)算法的計(jì)算和存儲(chǔ)開(kāi)銷越來(lái)越大,為分類器集成方法的構(gòu)建帶來(lái)沉重的計(jì)算負(fù)擔(dān)。為了解...

【文章頁(yè)數(shù)】：116 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
中文摘要
英文摘要
1 緒論
    1.1 研究背景與問(wèn)題
    1.2 研究目的與意義
        1.2.1 研究目的
        1.2.2 研究意義
    1.3 研究?jī)?nèi)容、研究方法與技術(shù)路線
        1.3.1 研究?jī)?nèi)容
        1.3.2 研究方法
        1.3.3 技術(shù)路線
    1.4 創(chuàng)新之處
2 文獻(xiàn)綜述
    2.1 分類器動(dòng)態(tài)集成方法研究現(xiàn)狀
        2.1.1 分類器動(dòng)態(tài)集成方法的界定
        2.1.2 分類器集成選擇方法研究現(xiàn)狀
        2.1.3 分類器動(dòng)態(tài)集成選擇方法研究現(xiàn)狀
        2.1.4 分類器動(dòng)態(tài)加權(quán)集成方法研究現(xiàn)狀
    2.2 軟集合及其相關(guān)理論研究現(xiàn)狀
        2.2.1 軟集合及其擴(kuò)展理論研究現(xiàn)狀
        2.2.2 軟概率研究現(xiàn)狀
    2.3 馬爾科夫鏈和D-S證據(jù)理論研究現(xiàn)狀
        2.3.1 馬爾科夫鏈研究現(xiàn)狀
        2.3.2 D-S證據(jù)理論研究現(xiàn)狀
3 基于模糊軟集合和D-S證據(jù)理論的分類器集成選擇方法研究
    3.1 問(wèn)題分析
    3.2 模糊軟集合和D-S證據(jù)理論
        3.2.1 模糊軟集合
        3.2.2 D-S證據(jù)理論
    3.3 基于模糊軟集合和D-S證據(jù)理論的分類器集成選擇模型
        3.3.1 基分類器生成
        3.3.2 選擇標(biāo)準(zhǔn)確定
        3.3.3 分類器集成選擇
    3.4 樣本數(shù)據(jù)及實(shí)驗(yàn)設(shè)計(jì)
        3.4.1 樣本和數(shù)據(jù)
        3.4.2 基分類器和對(duì)比模型的選擇
        3.4.3 評(píng)價(jià)標(biāo)準(zhǔn)
    3.5 實(shí)驗(yàn)結(jié)果及對(duì)比分析
        3.5.1 分類性能和多樣性對(duì)比分析
        3.5.2 統(tǒng)計(jì)檢驗(yàn)
        3.5.3 實(shí)驗(yàn)結(jié)果總結(jié)
    3.6 本章小結(jié)
4 基于馬爾科夫鏈的分類器動(dòng)態(tài)加權(quán)集成方法研究
    4.1 問(wèn)題分析
    4.2 基于馬爾科夫鏈的分類器動(dòng)態(tài)加權(quán)集成模型
        4.2.1 訓(xùn)練基分類器并分別對(duì)驗(yàn)證集和測(cè)試集中的樣本進(jìn)行分類
        4.2.2 確定測(cè)試集樣本的動(dòng)態(tài)加權(quán)集成器
        4.2.3 將測(cè)試集樣本的分類結(jié)果進(jìn)行加權(quán)集成
    4.3 樣本數(shù)據(jù)及實(shí)驗(yàn)設(shè)計(jì)
        4.3.1 樣本和數(shù)據(jù)
        4.3.2 基分類器和對(duì)比模型的選擇
        4.3.3 評(píng)價(jià)標(biāo)準(zhǔn)
    4.4 實(shí)驗(yàn)結(jié)果及對(duì)比分析
        4.4.1 實(shí)驗(yàn)結(jié)果
        4.4.2 統(tǒng)計(jì)檢驗(yàn)
    4.5 本章小結(jié)
5 基于軟概率的分類器動(dòng)態(tài)集成方法研究
    5.1 問(wèn)題分析
    5.2 軟概率
    5.3 基于軟概率的分類器動(dòng)態(tài)集成模型
        5.3.1 基本DECSP模型
        5.3.2 DECSP在個(gè)人信用評(píng)估領(lǐng)域的應(yīng)用
        5.3.3 改進(jìn)的DECSP模型
    5.4 樣本數(shù)據(jù)與實(shí)驗(yàn)設(shè)計(jì)
        5.4.1 樣本和數(shù)據(jù)
        5.4.2 基分類器和對(duì)比模型的選擇
        5.4.3 評(píng)價(jià)標(biāo)準(zhǔn)
    5.5 實(shí)驗(yàn)結(jié)果及對(duì)比分析
        5.5.1 實(shí)驗(yàn)結(jié)果
        5.5.2 統(tǒng)計(jì)檢驗(yàn)
    5.6 本章小結(jié)
6 結(jié)論與展望
    6.1 研究結(jié)論
    6.2 下一步工作
致謝
參考文獻(xiàn)
附錄
    A 攻讀博士學(xué)位期間發(fā)表和錄用論文
    B 目前已投稿件
    C 攻讀博士學(xué)位期間參加的主要科研項(xiàng)目



本文編號(hào)：3800495