一种集成学习算法与其对灰霾预测地应用研究.pdf

下载文档 降价啦

0
0
约6.66万字
约 64页
2019-07-22 发布于江苏
举报
版权申诉
保障服务

一种集成学习算法与其对灰霾预测地应用研究.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。

目录目录第一章绪论………………………………………l 第一节研究背景．……．．．．．．．．．．…．……………．………．．．1 1．1 1机器学习………………………………………………………………………一l 1．1。2神经网络………………………………………………………………………一1 1．1．3决策树…………………………………………………………………………一2 1 1．4支持向量机……………………………………………………………………．．2 1．1．5集成学习………………………………………………………………………～3 第二节国内外发展现状．…．．．．．．．．．．．．．．．．．．．．．．…．．．．．．．．．…．．5 1。2．1个体学习器生成………………………………………………………………．．6 1．2．2结论集成………………………………………………………………………一8 第三节本文的主要工作……………………………………10 第四节论文的组织结构．．．．…．…………．．．。…．．…………．11 第二章训练子集提取和个体学习器训练………………．．13 第一节训练集生成方法……．．．…．…………．…………．．．．13 2．1．1Bagging方法………………………………………………………………………………………．．13 2．1．2Boost ng算法…………………………………………………………………13 2．1．3随机子空间提取子集方法……………………………………………………15 第二节个体学习器训练方法．．．．．．．…．．．．…．．．．．．．．．．…．．．．．．．．16 2．2．1神经网络模型…………………………………………………………………16 2．2．2决策树…………………………………………………………………………．．24 2．2．3当前常见个体学习器差异度分析方法………………………………………28 2．2．4本文提出个体学习器差异度分析方法………………………………………29 2．2．5训练个体生成器过程…………………………………………………………31 第三章(DT+BP)一SVM算法结论集成．．…．．．……………．．35 第一节支持向量机．．．……．……．．．…．．．．……。……．．．．．．．35 3．1．1最佳分离超平面………………………………………………………………．35 3．1．2不存在最佳超平面情况………………………………………………………37 3．1．3核函数…………………………………………………………………………38 第二节个体学习器集成过程…．……………………………．39 第四章(DT+BP)一SVM在灰霾预测中的应用研究……．．．……43 第一节灰霾及灰霾预测……．．…．…………………………43 第二节灰霾预测实验数据准备和实验方案设计……．……………44 V 目录 4．2．1实验数据准备…………………………………………………………………．44 4．2．2实验方案设计…………………………………………………………………45 第三节实验结果．．．．．．．．．．．．．．．．…．．．．…．．．…．…．．．．．．．．．．．．46 4．3．1BP神经网络的预测结果………………………………………………………46 4．3．2决策树预测结果………………………………………………………………51 4．3．3 第四节预测结果分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．…．．．………56 第五章总结与展望……………．．．……．．．……．…．59 第一节总结．……………．……………………．………．59 第二节下一步工作．．．．．．．．．．．．．．．．．．．……………．．．．．．．．．．．．60 参考文献…．…………．………．．………．…