基于相似性学习的智能决策方法分析-机械电子工程专业论文.docxVIP

学位论文佼朗;更权声明 *...l._，云主(? 琼州l文号宇STll立朱、 f时i a1.用学咱论艾的;\Ii;定.苦.半 fι;í!:立苦 f1 权 J. 苏州j、古本7:{.:: 少 艾r.y)-;j工 :1句谷4Effo贯:t.: (.j:1内容占1-蚁e 苏州女当t í!j;; 吃 i:!凉且书记、，且占利 iR 立自是信息 fl中 f t、1;、学技术信息可l 究所(古月 古!.Hill平附!嚣).1.)、中问学术 IIHf;1 (光盘l屈;丁h flE-t祉送生崎w.战 XIIJ liq 卡 ，ff.王平Am. 允 I 论.)( l!d !lB扫描问，可以法忖 II、结fJ我品，111;f*1.:!吨I.uMD 事哥华{、:，..t{l-虫， 1以向学价iê士的主油坑油公陀非常白人副泛非J址呻 .l 衍走在 z iik密 XO 本子也论立).; 之--一年--月前街1dz垂泪$ 目i?.. 非涉悦 ? 以f问略毡，且强旦我 k 湖·旦5;.6.11 ;.!i!i .7 l)4) _1:湖且丛丛 基于相似性学习的智能决策方法研究中文摘要 基于相似性学习的智能决策方法研究 中文摘要 I I 基于相似性学习的智能决策方法研究 中文摘要 决策理论是管理科学和经济学的重要分支。所谓决策，是指为达到最优目标， 对若干个备选方案进行选择的过程。在传统的决策中，决策的准确度很大程度上 依赖于决策者的决策水平，而决策者必须经过长时间的经验累积才能达到足够丰 富的决策水平，并且决策者在决策的过程中很容易会受到外界因素和主观因素的 干扰。因此，准确而客观的定量分析方法对于决策的科学性有着重要的意义。 大多数决策问题都可以归结为机器学习的典型问题，如分类问题及度量问 题。本文采用机器学习的方法，根据已有数据建立智能决策模型，尽可能减少决 策者因外界因素干扰或经验不足等因素而导致的不合理决策。相似性学习在机器 学习领域占有一席之地，是一种非常符合人类认知规律的学习方式。本文对相似 性学习的理论和方法进行研究，并将其引入到智能决策中。主要工作包括以下内 容： 提出了基于支持向量机相似性学习的智能决策方法。相似性学习是基于样本 对的学习，因而构造样本对是相似性学习的第一步。传统的样本对构造方法是将 数据集中任意两个样本组成一个样本对。当数据集规模较大时，构造样本对需要 花费一定的时间，并且大量的样本对不利于后续处理。本文采用 k 近邻方法构造 样本对，可以大大减少样本对的数量，并且生成的样本对更有学习价值。实验证 明，该方法不仅大大加快了算法的速度，还能提高算法的精确度。 提出了基于支持向量机相似性集成学习的智能决策方法。众所周知，集成学 习能够提高单个分类器的性能。本文将集成学习引入支持向量机相似性学习算法 中，提出了基于支持向量机相似性集成学习的智能决策方法。实验证明该方法相 比于基于支持向量机相似性学习的智能决策方法，不仅可以提高算法的精度，还 可以增强算法的稳定性。 提出了基于余弦相似性的改进型 TOPSIS(Technique for Order Preference by Similarity to Ideal Solution)的供应商选择方法。供应商选择问题是一个多属性决 策问题，可以采用 TOPSIS 方法解决。在传统的 TOPSIS 方法中，使用欧氏距离 中文摘要基于相似性学习的智能 中文摘要 基于相似性学习的智能决策方法研究 II II 度量属性空间中的备选方法与正负理想解之间的距离。然而，当不同属性变量之 间存在线性关系时，欧氏距离不再适用。余弦相似性是一种常用的相似性度量方 式。当不同属性之间的量纲不一致或者存在一定的线性关系时，余弦相似性相比 于欧氏距离具有更好的优势。在供应商选择上的实验表明，该方法简单有效，切 实可行，其结果也客观合理。 关键词：智能决策；相似性学习；支持向量机；k 近邻；集成学习；余弦相似性 作 者：夏佩佩 指导老师：张 莉 Res Research on intelligent decision-making methods based on similarity learning Abstract PAGE PAGE III Research on intelligent decision-making methods based on similarity learning Abstract Decision-making theory plays an important role in management science and Economics. Decision-making means the selection process fo