資源描述：
《基于機器學習的分類算法研究》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在學術論文-天天文庫。
1、？－？Ｖ．？：．：：異；；；片：壬■．？？．．．．戶．：左分冀號ＥＴＦ３９１：單俊巧釋ｇ？麵．＼／．．．＇學號－Ｓ別３㈱那齡黎作—＿＿ＶＮｏｒｔｈＵｎｉｖｅｒｓｉｔｙＯｆＣｈｉｎａ全日制工程碩±學位論文基于機器學習的分類算法研究．：：？ｓ＞，碩：ｔ研究生＿＿．＿裴撼年，扁’戀．，心＋１鳴Ｉ－？…心－心ＳＬｒｉａｉＷ帝原創(chuàng)性聲明本人鄭重聲明：所呈交的學位論文，是本人在指導教師的指導下
2、，獨立進行硏究所取得的成果。除文中已經(jīng)注明引用的內(nèi)容外，本論文不包含其他個人或集體已經(jīng)發(fā)表或撰寫過的科研成果。對本文的研究作出重要貢獻的個人和集體，均已在文中＾乂明確方式標明。本聲明的法律責任由本人承擔。術‘如論文作者簽名：嫂今日期；讀夕關于學位論文使用權的說明本人完全了解中北大學有關保管、使用學位論文的規(guī)定：，其中包巧①學校有權保管、并向有關部口送交學位論文的原件與復印件；②學?？桑崳姡雭V采用影印、縮印或其它復制手段復制并保存學位論文；③學?？稍试S學位論文被查閩或借陶；④學?？桑讓W術交流為目
3、的，復制贈送和交換學位＞全論文１＾１公文部或部分內(nèi)容（保密位論文在解密；⑤學?？刹紝W位論的學。后遵此定）守規(guī)：邊：本日期簽名舞／氣、／＾瓜＾１ｙ；日期：導簽＿＿師名冷圖書分類號TP391密級非密UDC全日制工程碩士學位論文基于機器學習的分類算法研究裴松年校內(nèi)指導教師（姓名、職稱）楊秋翔教授校外指導教師（姓名、職稱）申請學位級別工程碩士所在領域（研究方向）軟件工程論文提交日期年月日論文答辯日期年月日學位授予日期年月日論文評閱人答辯委員會主席2016年月日中北大學學位論文基于機器學習的分類算法研究摘要機器學習
4、是研究使計算機模仿人類學習行為和積累經(jīng)驗的方式，不斷提升和優(yōu)化自身性能的統(tǒng)計學習方法，是人工智能主要關注和研究的問題之一。它可以通過對一定的樣本集蘊含的規(guī)律進行學習而構(gòu)造出一個具有低結(jié)構(gòu)風險和高泛化能力的分類模型，其中支持向量機（SupportVectorMachine,SVM）是基于最大化類間間隔思想在原始數(shù)據(jù)空間中尋找構(gòu)建一個最優(yōu)決策超平面將兩類不同的樣本盡可能分開，在非線性分類中，選擇引用特定核函數(shù)將原始樣本空間映射到可構(gòu)造出最優(yōu)分類決策超平面的高維特征空間中。ANN（ArtificialNeuralNetwork,）則是模
5、仿人腦結(jié)構(gòu)和功能，由大量具有處理能力的神經(jīng)元相互連接組成。ANN通過調(diào)整連接值大小和閾值從訓練數(shù)據(jù)中學習知識、經(jīng)驗和規(guī)律，具有很強的模式分類能力，其中誤差反傳神經(jīng)網(wǎng)絡(ErrorBackPropagationNetwork,BP)是神經(jīng)網(wǎng)絡中實際應用最廣泛和成功的方法之一，其學習過程是在正向傳播時輸入樣本數(shù)據(jù)經(jīng)過輸入層傳入，隱層處理后輸入輸出層，若輸出層輸出與期望值不一致，則轉(zhuǎn)向?qū)⑤敵稣`差通過用某種方法隱層逐層反傳至輸入層，并同時逐層修改各層神經(jīng)元之間的連接權值和閾值大小。本論文的所有研究工作主要包括兩大部分內(nèi)容：（1）結(jié)合N-S
6、磁極效應和SVM提出一種新穎的分類器模型。本文深入研究了目前傳統(tǒng)的SVM以及變體算法，發(fā)現(xiàn)傳統(tǒng)SVM以及變體只考慮最大化類間間隔而忽略了類內(nèi)分布性狀或分類邊界，因此結(jié)合N-S磁極效應原理和大間隔思想提出一種新穎的最大間隔分類模型。該模型不僅考慮了最大化類間間隔，而且兼顧了類內(nèi)分布性狀，同時引入模糊隸屬度技術降低噪聲和野點對構(gòu)造超平面的干擾。從人工數(shù)據(jù)集以及UCI數(shù)據(jù)集上的實驗數(shù)據(jù)分析證明，新提出的分類模型能有效的提高了類線性數(shù)據(jù)分布的分類性能和泛化能力。（2）提出一種改進的CBP網(wǎng)絡算法。本文深入研究傳統(tǒng)BP網(wǎng)絡以及國內(nèi)外前輩學者
7、的改進方法，由于傳統(tǒng)的BP方法及其改進在訓練過程中存在學習速率保持固定不變、收斂性慢以及極易落入局部極小值附近等缺陷和不足，通過在各層權值和偏差調(diào)整中北大學學位論文中引入各個權值對誤差的貢獻率使學習速率根據(jù)誤差和貢獻率連續(xù)變化，并結(jié)合動量系數(shù)法加快跳出局部極小值附近區(qū)域，能消除訓練過程振蕩和提高收斂性。從XOR異或和非線性逼近實驗證明，改進后的CBP比傳統(tǒng)的BP算法不僅加快了網(wǎng)絡收斂性，而且具有較好的魯棒性。關鍵詞：機器學習，分類，SVM，核方法，BP神經(jīng)網(wǎng)絡中北大學學位論文TheClassificationAlgorithmRe
8、searchBasedonMachineLearningAbstractMachinelearningisthestudyofcomputersimulationofhumanlearningbehaviorandexperiencetoacqui
