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84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(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、本論文在深入探討了薪酬數(shù)據(jù)的特點以及人們對崗職分級的研究結(jié)果后,嘗試通過機(jī)器學(xué)習(xí)的方法降低分級過程中出現(xiàn)的過多人為干擾因素,以更加科學(xué)有效的方法實現(xiàn)崗職分級的公平性和有效性(合理性)。 目前,基于數(shù)據(jù)的機(jī)器學(xué)習(xí)方法,其理論基礎(chǔ)之一是統(tǒng)計學(xué)。傳統(tǒng)統(tǒng)計學(xué)研究的是樣本數(shù)目趨于無窮大時的漸近理論,但在實際中樣本數(shù)往往是有限的。支持向量機(jī)SVM(Support Vector Machine)結(jié)構(gòu)簡單,具有全局最優(yōu)性和較好的泛化能力,但處理

2、如大數(shù)據(jù)量的模式分類,當(dāng)樣本數(shù)據(jù)的特征屬性過多以及樣本數(shù)據(jù)沖突時,會增加計算量,降低SVM的訓(xùn)練速度及分類精度。而粗糙集RS(RoughSets)理論在知識約簡,處理不準(zhǔn)確、不完整知識等方面則具有巨大的優(yōu)勢和潛力。為此,針對目前市場上薪酬數(shù)據(jù)的自身特點和崗職分級的基本需求,本文提出了基于粗糙集理論的SVM多分類器,即利用RS理論減少SVM數(shù)據(jù)維數(shù)和訓(xùn)練樣本數(shù)據(jù)的數(shù)目,摒除干擾因素,彌補SVM在處理具有多特征屬性問題中的不足。 我

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(yù)覽,若沒有圖紙預(yù)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(hù)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(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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