發(fā)布時(shí)間：2017-03-29 01:05

  本文關(guān)鍵詞：大數(shù)據(jù)的序貫預(yù)測(cè)和聚類研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：信息技術(shù)的進(jìn)步導(dǎo)致各行各業(yè)產(chǎn)生的數(shù)據(jù)越來(lái)越大,這使得大數(shù)據(jù)的研究迫在眉睫。本文分別研究了序貫數(shù)據(jù)的預(yù)測(cè)方法和高維無(wú)標(biāo)簽數(shù)據(jù)的聚類問(wèn)題。(1)針對(duì)序貫得到樣本量龐大的數(shù)據(jù),我們提出了序貫線性回歸方法。此方法不僅可以節(jié)約存儲(chǔ)空間和提高計(jì)算速度,而且預(yù)測(cè)正確率比傳統(tǒng)的均值預(yù)測(cè)高。根據(jù)數(shù)據(jù)獲取的時(shí)間效應(yīng)以及數(shù)據(jù)預(yù)測(cè)效果,我們又提出了加權(quán)重的序貫線性回歸方法。(2)針對(duì)高維無(wú)標(biāo)簽數(shù)據(jù),稀疏自表示神經(jīng)網(wǎng)絡(luò)方法進(jìn)行降維,用數(shù)值優(yōu)化方法求解神經(jīng)網(wǎng)絡(luò)并在隱層用k-means方法聚類。與其它聚類方法相比,我們從模擬數(shù)據(jù)和真實(shí)數(shù)據(jù)驗(yàn)證了稀疏自表示神經(jīng)網(wǎng)絡(luò)方法聚類的優(yōu)越性。
【關(guān)鍵詞】：大數(shù)據(jù) 序貫線性回歸方法 加權(quán)的序貫線性回歸方法 稀疏自表示神經(jīng)網(wǎng)絡(luò)的方法 聚類
【學(xué)位授予單位】：中國(guó)科學(xué)技術(shù)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：O212.1;TP183
【目錄】：

• 摘要5-6
• ABSTRACT6-12
• 主要符號(hào)對(duì)照表12-13
• 第一章 緒論13-15
• 1.1 大數(shù)據(jù)研究13
• 1.2 序貫分析和高維數(shù)據(jù)聚類13-14
• 1.3 文章結(jié)構(gòu)14-15
• 第二章 大數(shù)據(jù)預(yù)備知識(shí)15-33
• 2.1 常見(jiàn)的聚類方法15-19
• 2.1.1 k-means聚類16
• 2.1.2 DBSCAN聚類16-17
• 2.1.3 AGNES聚類17
• 2.1.4 譜聚類17-19
• 2.2 高維數(shù)據(jù)無(wú)監(jiān)督降維方法19-24
• 2.2.1 主成分分析方法19
• 2.2.2 RUFS方法19-21
• 2.2.3 SOCFS方法21-24
• 2.3 數(shù)據(jù)挖掘算法24-25
• 2.3.1 人工神經(jīng)網(wǎng)絡(luò)24-25
• 2.4 數(shù)值優(yōu)化算法25-33
• 2.4.1 ADMM算法25-28
• 2.4.2 線搜索方法28-33
• 第三章 序貫大數(shù)據(jù)的預(yù)測(cè)方法33-45
• 3.1 問(wèn)題描述與基本模型33-35
• 3.1.1 問(wèn)題描述33
• 3.1.2 線性模型33-35
• 3.2 序貫線性回歸(SLR)方法35-39
• 3.2.1 序貫回歸35-36
• 3.2.2 帶權(quán)重的序貫回歸36-37
• 3.2.3 序貫估計(jì)算法37-38
• 3.2.4 序貫更新算法的收斂性38-39
• 3.2.5 SLR方法的復(fù)雜度分析39
• 3.3 真實(shí)數(shù)據(jù)實(shí)驗(yàn)39-45
• 3.3.1 數(shù)據(jù)描述39-40
• 3.3.2 實(shí)驗(yàn)結(jié)果40-45
• 第四章 稀疏自表示神經(jīng)網(wǎng)絡(luò)聚類方法45-59
• 4.1 一般的神經(jīng)網(wǎng)絡(luò)求解45-46
• 4.2 自表示神經(jīng)網(wǎng)絡(luò)46
• 4.3 稀疏自表示神經(jīng)網(wǎng)絡(luò)聚類46-59
• 4.3.1 單隱層的稀疏自表示神經(jīng)網(wǎng)絡(luò)聚類(SAENN)47-51
• 4.3.2 模擬數(shù)據(jù)實(shí)驗(yàn)51-54
• 4.3.3 真實(shí)數(shù)據(jù)實(shí)驗(yàn)54-59
• 第五章 總結(jié)59-61
• 參考文獻(xiàn)61-63
• 致謝63-65
• 在讀期間發(fā)表的學(xué)術(shù)論文與取得的研究成果65

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 張志 ,王漢文;論加權(quán)擬線性回歸方法[J];中南財(cái)經(jīng)大學(xué)學(xué)報(bào);1992年03期

2 劉妙龍;多變量對(duì)多變量線性回歸方法及其在區(qū)域研究中的應(yīng)用[J];湖北大學(xué)學(xué)報(bào)(自然科學(xué)版);1989年04期

3 楊小怡,黃世芹,姚雷;用線性回歸方法建立貴陽(yáng)市空氣質(zhì)量預(yù)報(bào)模式[J];貴州氣象;2001年04期

4 錢海榮;線性回歸方法的探討[J];統(tǒng)計(jì)與決策;2005年11期

5 趙永翔,孫亞芳,高慶;分析常用7種統(tǒng)計(jì)分布的統(tǒng)一線性回歸方法[J];機(jī)械強(qiáng)度;2001年01期

6 錢海榮;線性回歸方法的改進(jìn)[J];統(tǒng)計(jì)與決策;2004年08期

7 劉巍,王培麟;加權(quán)擬線性回歸方法[J];寧夏工學(xué)院學(xué)報(bào);1994年Z2期

8 陳少泳;基于線性回歸方法的工程材料需求量預(yù)測(cè)[J];鐵道物資科學(xué)管理;2004年03期

9 佟曉君;陳海彬;馬群;張建;;雙向線性回歸方法[J];機(jī)械強(qiáng)度;2006年06期

10 段科鋒,謝英亮;一種模糊線性回歸方法及其應(yīng)用[J];南方冶金學(xué)院學(xué)報(bào);1998年01期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前1條

1 馬鐵豐;;線性回歸方法進(jìn)行時(shí)間序列異常值檢驗(yàn)及證券投資風(fēng)險(xiǎn)研究[A];加入WTO和中國(guó)科技與可持續(xù)發(fā)展——挑戰(zhàn)與機(jī)遇、責(zé)任和對(duì)策（上冊(cè)）[C];2002年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條

1 趙爽;血管緊張素轉(zhuǎn)換酶基因多態(tài)性與高血壓合并糖尿病的關(guān)系[D];華北理工大學(xué);2015年

2 張青婷;大數(shù)據(jù)的序貫預(yù)測(cè)和聚類研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2016年

3 張秀偉;異方差雙向線性回歸方法及其在砼強(qiáng)度檢測(cè)中的應(yīng)用[D];河北理工大學(xué);2009年

  本文關(guān)鍵詞：大數(shù)據(jù)的序貫預(yù)測(cè)和聚類研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：273369