|
|
题目：
雅宝题库答案：
****此区域为收费内容**** 需支付 1 知识币后可查看，1币=0.01元查看答案
雅宝题库解析：
近年来，数据挖掘技术无论在学术研究还是应用领域都引起了广泛关注。数据挖掘是从大量数据中抽取出未知的、有价值的模式或规律等知识的复杂过程。支持向量机是数据挖掘中的一个新方法，能非常成功地处理回归题目(时间序列分析)和模式识别(分类题目、判别分析)等诸多题目，并可推广于预测和综合评价等领域。关于支持向量机算法的探讨成为研究的热点之一。本文通过对支持向量机的理论基础、发展历程、相关算法以及应用背景的研究，探讨了支持向量机算法的学习性能。首先将支持向量机回归算法(Support Vector Regression Algorithm, SVR)运用于函数型数据的分析中，通过分析再生核希尔伯特空间中SVR算法的稳定性，建立了该算法独立于输入空间维数的误差上界和基本收敛阶，并给出了正则化参数和样本数量关系之间的估计结果。在此研究基础上，本文尝试将支持向量机算法应用于高校本科生源质量分析系统的模型。招生是高校人才培养工作的首要环节，生源质量的好坏直接关系到高校的人才培养质量。随着我国高等教育招生制度的改革、发展和完善，自主招生越来越受到高校的重视，优质生源的竞争也日趋激烈。为了帮助高校招生工作部门更好选拔高素质人才，探索并建立一套科学、有效、完善的生源质量分析评价体系是一个亟待解决的重要课题。质量分析评价很关键的一步在于作为解释变量的指标的选择。本文将不同的学生信息指标组合看成一个特征子集，提出利用浮动顺序搜索算法来筛选包含不同指标个数的最优特征子集。考虑高校学生数据的实际特点，本文采用基于多分类支撑向量机的数据挖掘技术，利用高校学生高中信息数据以及大学毕业时的信息数据，给出了基于学生入学信息预测其毕业排名的多分类预测器，并利用该预测器建立了高校本科生源质量分析模型。最后，在建立的高校本科生源质量分析模型基础上，利用某高校2005级本科生的实际数据，采用“一对多”多分类支持向量机算法，训练得到了基于学生入学信息预测其毕业排名的多分类预测结果，并利用数据对其预测结果进行了评估，显示出了良好的应用性能。可见，多分类支持向量机能够较好的应用于高校本科招生生源质量分析研究，由此建立的招生生源质量模型可以对本科生源质量进行良好的预测，可为高校制定招生计划、提高生源质量提供有价值的参考信息。通过对输入模型的层次化处理，模型的分类精度和Fisher判别的分类精度都有明显提高。通过对多分类支持向量机算法中的错分惩罚矩阵进行合理的调整，模型学习的结果和可靠性都可以有更显著的提高。本文的主要创新点为： 1. 采取了稳定性估计的方法，对算法的稳定性进行了估计。接着采用迭代法，得到了和输入样本维度无关的快速学习率，并推导出了正则化参数的优化选取办法。2．对多分类支持向量机算法进行了改进，将浮动顺序搜索算法引入到指标的选取中，并可根据侧重适当修改权重。3．基于多分类支持向量机算法，构建了本科生源质量预测体系，建立了本科生源质量分析模型。并根据高校学生的信息特点，对模型的惩罚矩阵进行合理的调整，模型学习的结果和精度都有显著提高。 |
上一篇：含铼Ni3Al基高温合金的氧化行为及氧化机理下一篇：佰特卓为地源热泵系统工程公司营销策略研究
|
发表于 2022-9-10 23:30:09
中发现Ni：
中发现Ni：
中发现Ni：
中发现Ni：
中发现Ni：
中发现Ni：
QQ登录
