2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩68頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、支持向量數(shù)據(jù)描述作為一種基于統(tǒng)計學習理論的單分類方法,在解決有限樣本、非線性以及高維數(shù)據(jù)的模式識別問題中表現(xiàn)出許多特有的優(yōu)勢,已成為機器學習領(lǐng)域的又一研究熱點。在構(gòu)造支持向量數(shù)據(jù)描述時只需要一個類別的樣本信息,將其應(yīng)用于財務(wù)報表舞弊識別的研究中,能夠較好地解決舞弊數(shù)據(jù)不易獲得的問題,對降低投資風險、增強會計信息透明度以及促進市場的健康發(fā)展都具有重要作用。因此,深入研究支持向量數(shù)據(jù)描述將具有較高的學術(shù)價值和十分重要的現(xiàn)實意義。
  

2、 論文總結(jié)了支持向量數(shù)據(jù)描述的國內(nèi)外研究現(xiàn)狀,分析了已有方法的優(yōu)缺點。針對模糊支持向量數(shù)據(jù)描述中隸屬度計算所存在的問題,提出了一種在核空間中計算樣本隸屬度的方法,進而實現(xiàn)了一種分層模糊支持向量數(shù)據(jù)描述算法。針對基于支持向量數(shù)據(jù)描述多類分類算法對重疊區(qū)域所采用的判別策略的不足,提出一種基于核空間相對密度的支持向量數(shù)據(jù)描述多類分類算法。針對現(xiàn)有邊界優(yōu)化算法未能充分利用樣本在核空間中的分布信息,提出了一種新的邊界優(yōu)化算法。針對現(xiàn)有增量支持向

3、量數(shù)據(jù)描述算法存在的問題,提出了一種增量支持向量數(shù)據(jù)描述的改進算法。在對支持向量數(shù)據(jù)描述研究成果的基礎(chǔ)上,設(shè)計并實現(xiàn)了一種財務(wù)報表舞弊識別模型。
   論文的主要工作包括以下幾個方面:
   1、總結(jié)了支持向量數(shù)據(jù)描述的研究現(xiàn)狀,介紹了機器學習的基本問題和統(tǒng)計學習理論基礎(chǔ),并對支持向量數(shù)據(jù)描述進行了詳細的討論。
   2、提出了一種分層模糊支持向量數(shù)據(jù)描述算法KHFSVDD。該算法首先利用核K-Means將原始問

4、題劃分為K個子問題;然后,應(yīng)用模糊支持向量數(shù)據(jù)描述算法生成子問題的局部描述;最后,通過合并子問題的解來構(gòu)建原始問題的全局描述。
   3、提出了一種核空間相對密度的思想,并將其應(yīng)用于基于支持向量數(shù)據(jù)描述的多類分類算法中,以核空間相對密度為決策依據(jù),判斷超球重疊區(qū)域中待測樣本的類別。
   4、提出了一種邊界優(yōu)化算法,該算法根據(jù)超球邊界附近樣本的平均密度信息,以及待測樣本與球心的距離,對邊界附近的待測樣本的類別進行判斷。<

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論