【摘 要】
：
孪生支持向量机（Twin Support Vector Machine,TWSVM）作为一种经典的二分类支持向量机模型,随着机器学习技术的发展,被不断改进。孪生支持向量机的设计目的是为了提高执行效率。孪生支持向量机解决二分类问题是通过求解两个二次规划问题,得出两个不平行超平面。每个超平面都靠近一个类的数据点,并且远离其它类的数据点。为了进一步提高执行效率,有学者提出了最小二乘孪生支持向量机。将孪生
论文部分内容阅读
孪生支持向量机（Twin Support Vector Machine,TWSVM）作为一种经典的二分类支持向量机模型,随着机器学习技术的发展,被不断改进。孪生支持向量机的设计目的是为了提高执行效率。孪生支持向量机解决二分类问题是通过求解两个二次规划问题,得出两个不平行超平面。每个超平面都靠近一个类的数据点,并且远离其它类的数据点。为了进一步提高执行效率,有学者提出了最小二乘孪生支持向量机。将孪生支持向量机中的不等式约束替换为等式约束,这把求解二次规划问题转变成了求解线性方程。目前,大部分最小二乘孪生支持向量机算法都假设数据是确定的,不存在噪声。但是,在真实应用中,由于采样设备误差、传输错误等原因,数据可能存在不确定信息,这些不确定信息降低了最小二乘孪生支持向量机的学习精度。考虑不确定信息,通过设计算法来消除或减缓不确定性信息的影响,这是亟待解决的问题。针对上述问题,本文提出了一种高效的面向不确定数据的最小二乘孪生支持向量机模型（Uncertain-data based Least Squares Twin Support Vector Machine,ULSTSVM）。首先,对于每个实例,该方法分配一个噪声向量来构建噪声信息。其次,将噪声向量结合到最小二乘孪生支持向量机,并在训练阶段得到优化。最后,采用一个两步循环迭代的启发式框架,交替求解分类器和更新噪声向量。本论文在UCI数据集、真实不确定数据集LDPA、大型数据集NDC上进行了实验。实验表明,跟其它对比方法相比,ULSTSVM取得较高的训练效率,同时,获得了较好的分类准确性。ULSTSVM采用噪声向量对不确定信息进行建模,将孪生支持向量机的二次规划问题转化为线性方程,并采用两步启发式框架迭代,这使本方法同时具有较好的分类精度和较高的训练效率。
其他文献
离散事件系统是指由离散的事件触发而引起状态转移的一类动态系统模型。了解当前的运行状态对系统安全尤为重要,状态估计的可测性研究是离散事件系统的一个重要研究方向,并被成功应用于自动控制系统。在现实生活中,系统的状态和事件往往具有模糊和不确定的主观性,模糊集引入到自动机为模糊离散事件系统奠定理论基础,在生物医学和自动控制系统中具有广泛应用。本文研究了模糊离散事件系统下的当前状态和初始状态的可测性问题。针
聚类分析是数据挖掘领域中的重要研究方向。在过去的数十年中,出现了大量聚类算法,其中,谱聚类由于其在非线性可分的数据中的优异表现而被广泛应用。此外,随着互联网的不断发展,网络中产生的数据也越来越多,形成大数据。因此,如何将谱聚类算法应用到大数据中,挖掘其中的有用信息变成十分重要的研究课题。然而,谱聚类算法存在严重的可伸缩性问题,谱聚类需要极高的时间复杂度和极高的空间复杂度来计算和存储相对应的拉普拉斯
目的：探讨翻转课堂护理带教对产科胎心监护操作技能的影响。方法：选取2018年至2022年入职产科的新护士为研究对象，在胎心监护操作技能培训中使用翻转课堂护理带教模式，共计50人次。比较翻转课堂护理带教前后新护士的胎心监护知识、操作技能考核评分、对教学模式的认可程度以及学习能力变化。结果：翻转课堂护理带教后，新护士在胎心监护知识、操作技能考核评分高于带教前，学习能力评分高于带教前，差异均有统计学意义
在传统的图像分类问题中,训练一个模型需要依赖大量完备的标注数据。然而,随着现实世界的数据量不断增长,对数据进行人工标注变成了一项极其繁琐冗杂的工作。零样本学习可以有效缓解上述问题,具体而言,零样本学习可以在没有不可见类图像或视觉特征作为训练输入的情况下,利用有限的语义信息,对不可见类图像进行预测分类。因此,研究零样本学习可以使得算法、模型减少对图像类标签的依赖,减少人工标注数据的时间成本,极大地提
时序行为数据广泛存在于各类应用系统中。如何挖掘时序行为数据中有意义的行为模式,捕捉用户潜在需求,进而提出更好的预测、推荐或运营策略受到了研究者们的广泛关注。本文提出的面向时序行为的潜在状态学习方法致力于实现离散稀疏行为数据的特征表达,在此基础上对用户的潜在状态及其复杂的时序依赖关系进行建模和学习,从而实现更好的时序推荐。然而,时序行为的状态建模和表征学习主要面临着以下三个挑战:（1）用户真实的行为
基于观测数据发现变量背后的因果关系是许多学科所研究的重要问题。其中,事件序列作为一种重要的数据类型,是由连续时间域上的离散事件组成,常以各种行为记录,系统日志,异常告警等形式出现在经济、社会科学、通讯系统等应用场景中。基于事件序列发现不同事件类型之间的因果关系,能够帮助人们进行生成机制分析,根因定位,事件预测等研究。然而基于多变量事件序列数据,发现事件类型之间的因果关系是一项具有挑战性的任务。一方
随着计算能力的提升和控制技术的进步,无人机被越来越广泛地应用于工业生产和日常生活中。路径规划是无人机领域的核心问题之一,多目标监视是路径规划的一个重要应用。群体智能是智能计算的一种,有收敛速度快、计算成本低、优化能力强等优势,在函数优化、旅行商问题、有依赖的优化问题和作业调度等问题上有广泛的应用。将群体智能算法应用于多目标监视的路径规划,有利于提升无人机的路径规划能力,从而提高无人机工作效率,节约
时代在发展,教育也在不断变革。近年来,国家不断发布文件推动教育信息化,微课作为教育信息化的产物,取得了丰硕的发展成果。经分析发现,微课在化学复习领域应用研究较少。2019年新版高中教材发布至今,有关“物质的量”微课研究甚少,而“物质的量”内容是高一学生学习的难点。因此本文以“物质的量”为例研究系列化复习型微课的应用,以期找到有效的复习方法,解决学生复习困境,培养学生良好的自主学习习惯;找到有效的复
越来越多的证据表明,长链非编码RNA（lncRNAs）与多种疾病密切相关。识别有意义的lncRNA与疾病的关联将有助于我们更好地理解这些疾病的分子机制。然而,由于传统生物实验漫长的实验流程和高额的实验成本等原因,使用传统的生物学实验只能推断出有限数量的lncRNA-疾病关联对。因此,开发推断潜在疾病lncRNA关联的计算方法,不仅可以减少研究的时间和成本来为生物实验提供方向,而且可以在lncRNA
随着气候变化、环境问题的进一步加深,当前的能源消耗趋势得到了越来越多的关注,其中建筑部门相关活动的能源消耗占到全球终端能耗的三分之一以上,随着发展中国家的城市化推进,预计未来一段时间全球建筑能源年消耗量仍将持续增长,为了实现2060年“碳中和”的目标,需要一系列节能措施提高建筑的能源效率,而准确可靠的建筑能耗预测是这些节能措施的最重要一环,它不仅是评估节能措施节能潜力的重要工具,也是智慧建筑的重要