版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、現(xiàn)實(shí)中的很多實(shí)際問(wèn)題都可以轉(zhuǎn)化為數(shù)據(jù)信息處理中的數(shù)據(jù)分類問(wèn)題,例如氣象預(yù)報(bào)、商品推薦、生物信息、網(wǎng)絡(luò)檢測(cè)等,而數(shù)據(jù)信息處理都是以機(jī)器學(xué)習(xí)為基礎(chǔ)進(jìn)行研究的。隨著科學(xué)技術(shù)的發(fā)展,機(jī)器學(xué)習(xí)算法的應(yīng)用領(lǐng)域也變得十分廣泛。
本文主要介紹了兩種機(jī)器學(xué)習(xí)算法:粒子群算法優(yōu)化支持向量機(jī)和卷積神經(jīng)網(wǎng)絡(luò)。其中研究了粒子群算法優(yōu)化支持向量機(jī)在樹(shù)葉分類和癌癥基因分類中的預(yù)測(cè),卷積神經(jīng)網(wǎng)絡(luò)在圖像分類中的應(yīng)用。
(1)基于各種樹(shù)葉的特征構(gòu)建一個(gè)
2、數(shù)據(jù)預(yù)處理模型:先對(duì)各種數(shù)據(jù)進(jìn)行歸一化處理,采用主成分分析方法從16個(gè)特征中提取出3個(gè)主成分,再建立粒子群算法優(yōu)化后的支持向量機(jī),用支持向量機(jī)對(duì)樹(shù)葉數(shù)據(jù)進(jìn)行分類預(yù)測(cè)。實(shí)驗(yàn)結(jié)果表明,相對(duì)于遺傳算法和網(wǎng)格搜索法尋到的最優(yōu)參數(shù)相比,粒子群算法優(yōu)化支持向量機(jī)具有最高的準(zhǔn)確率,高達(dá)94.1%,高于其他兩種分類方法。
(2)將粒子群優(yōu)化的支持向量機(jī)模型應(yīng)用到癌癥基因分類中,通過(guò)選取多組不同的實(shí)驗(yàn)數(shù)據(jù)對(duì)癌癥手術(shù)后病人的復(fù)發(fā)和不復(fù)發(fā)的基因樣本
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 模糊分類算法及其在數(shù)據(jù)分析系統(tǒng)中的應(yīng)用研究.pdf
- 螞蟻算法及其在數(shù)據(jù)挖掘中的應(yīng)用研究.pdf
- 蟻群算法在數(shù)據(jù)挖掘中的應(yīng)用研究.pdf
- 深度學(xué)習(xí)在數(shù)據(jù)壓縮中的應(yīng)用研究.pdf
- 基于混合緊湊遺傳算法(HCGA)的分類方法及其在數(shù)據(jù)挖掘中的應(yīng)用研究.pdf
- 智能濾波算法在數(shù)據(jù)同化中的應(yīng)用研究.pdf
- 遺傳算法在數(shù)據(jù)挖掘中的應(yīng)用研究.pdf
- 遺傳算法在數(shù)據(jù)挖掘技術(shù)中的應(yīng)用研究.pdf
- 基于機(jī)器學(xué)習(xí)的分類算法研究.pdf
- 粒子群算法及其在數(shù)據(jù)挖掘中的應(yīng)用研究.pdf
- 流形學(xué)習(xí)在數(shù)據(jù)降維中的應(yīng)用研究.pdf
- 模糊聚類算法在數(shù)據(jù)挖掘中的應(yīng)用研究.pdf
- 壓縮算法在數(shù)據(jù)備份及恢復(fù)中的應(yīng)用研究.pdf
- 人工免疫算法在數(shù)據(jù)挖掘中的應(yīng)用研究.pdf
- 蟻群優(yōu)化算法在數(shù)據(jù)挖掘中的應(yīng)用研究.pdf
- RBF網(wǎng)絡(luò)在數(shù)據(jù)挖掘中的應(yīng)用研究及其算法改進(jìn).pdf
- 遺傳算法在數(shù)據(jù)挖掘聚類分析中的應(yīng)用研究.pdf
- 基于ε近似的盲源分離算法在數(shù)據(jù)保密中的應(yīng)用研究.pdf
- 改進(jìn)的粒子群優(yōu)化算法及其在數(shù)據(jù)分類中的應(yīng)用.pdf
- 改進(jìn)的遺傳算法及其在數(shù)據(jù)挖掘中的應(yīng)用研究.pdf
評(píng)論
0/150
提交評(píng)論