原创力文档- 1、本文档共39页，可阅读全部内容。
- 2、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。
- 3、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。
- 4、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)。
基于数据模式识别整合框架的SOFM-SVM模型及其应用
基于数据模式识别整合框架的SOFM-SVM模型及
其应用
中文摘要
在当前数据模式识别理论和方法研究的基础上,针对在无监督聚类和有监督
分类两种识别方法在独立用以进行样本分类,特别是给无类标志样本分类时
存在
的不足之处,提出了一种先聚类后分类的结合应用思路(C2CMA),将聚类方法
和分类方法整合起来解决模式识别问题;并提出一个称为数据模式识别整合
框架
(DPRIF)的功能、方法整合策略,用以在无先验类别信息的条件下实现数据模
式发现和解释,构造具备较高稳定性和分类精度、可用于判断和预测新数据
的分
类器。在DPRIF整合策略指导下构建了一个整合的SOFM-SVM模型,对该模
型
从运作机制、数据接口、功能扩展几个方面进行分析和改进:引入PCA方法
进行
数据降维和特征提取,用以加强聚类解释;结合统计聚类中的聚类误差概念
定义
一个聚类数有效性指标,利用SOFM算法中间结果进行指标求解,以筛选出
有效
或最佳聚类数;提出一种新的噪声识别算法Anti-NO算法用于对样本中的异
常数
据进行甄别和过滤;利用SVM模型的中间结果提取分类边界数据;进一步充
实
了包括模式类、噪声集和边界在内的模式识别成果。最后将该整合模型应用
于上
市公司信用模式识别的实例,证明该整合策略和模型对于解决C2CMA数据
挖掘
任务是可行有效的,同时为定量研究证券信用模式分类问题做出新的探索。
关键词:模式识别聚类分类自组织特征映射支持向量机信用模式
1基于数据模式识别整合框架的SOFM-SVM模型及其应用
Abstract
Basedonthetheoryandmethodsofdatapatternrecognition,this
thesisfocused
onthedisadvantagesoftheunaidedusewithunsupervisedclustering
andsupervised
classifyingmethodtoclassifytheunlabeleddatasamples,and
furtherlyproposeda
methodofofclusteringtoclassificationmining
application,which
integratesclusteringwithclassifyingmethodtosolvetheproblem
ofpattern
recognition.AnintegratedstrategycalledcalledPattern
Recognition
IntegratedFramewasalsoproposed,whichisusedtodiscoverand
explaindata
patternwhensamplesetislackoflabeledinformation.Itcanalso
beusedtocreatea
classifierwhichismorestableandmoreaccurate,andcanbeused
todiscriminateand
forecastnewdata.UndertheguidanceofDPRIFintegratingstrategy,
wesetupan
integretedSOFM-SVMmodel.Thenweanalyzedandoptimizedthemodel
fromthe
aspectsofoperatingmechanism,
文档评论（0）