發(fā)布時間：2020-10-20 01:01

　　 有序學習是機器學習中的一種特殊的有監(jiān)督學習方法,它可有效利用數(shù)據(jù)之間的等第關系,備受研究者的廣泛關注�；�于費希爾判別分析的有序回歸模型LDLOR(Linear Discriminant Learning for Ordinal Regression)雖有效解決有序數(shù)據(jù)的分類或回歸問題,但未能有效利用數(shù)據(jù)的結構信息等。為此,論文以LDLOR模型為基礎,結合高校本科生期末成績預測場景,側重圍繞嵌入局部結構保持和類內離散度自適應調整的有序學習開展研究。主要工作如下:1.提出了基于局部保持的有序回歸學習算法(LSP-LDLOR)、基于自適應局部保持的有序回歸學習算法(SaLSP-LDLOR)。LSP-LDLOR 算法以 IMED-LDLOR(IMED:IMage Euclidean Distance)為基礎,嵌入樣本空間局部結構信息;進一步,對局部保持矩陣進行了自適應調整,得到優(yōu)化的局部保持矩陣,以此構建基于自適應局部保持的有序回歸學習算法SaLSP-LDLOR。將LSP-LDLOR算法與SaLSP-LDLOR算法在人臉表情數(shù)據(jù)集JAFFE和人臉年齡數(shù)據(jù)集FG-NET上與IMED-LDLOR算法進行了比較,實驗驗證了算法的有效性。2.提出了基于自適應類內離散度的有序回歸學習(SaSw-LDLOR)算法、基于局部保持自適應類內離散度的有序回歸學習(LSaSw-LDLOR)算法。以IMED-LDLOR為基礎,對類內離散度矩陣進行模糊自適應調整,構建基于自適應類內離散度的有序回歸學習算法。進一步,嵌入局部結構保持信息,設計出基于局部保持自適應類內離散度的有序回歸學習算法LSaSw-LDLOR。將SaSw-LDLOR算法與LSaSw-LDLOR算法在人臉表情數(shù)據(jù)集JAFFE和人臉年齡數(shù)據(jù)集FG-NET上與IMED-LDLOR算法進行了比較,實驗驗證了算法的有效性。3.利用新設計的有序學習算法進行成績預測。以南京師范大學2017級某學院的大學計算機基礎課程成績預測為背景,以此驗證新設計算法的適用性。訓練集來自學生們一整個學期的課堂考勤、一卡通消費、圖書館進出、上網(wǎng)時段與時長以及過程性考核等信息。分析了經(jīng)典的機器學習算法和有序回歸學習算法對樣本學生的期末成績預測的準確率等,在成績預測實驗中驗證了新提出算法的實用性。
【學位單位】：南京師范大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：G434;TP181
【部分圖文】：

有序回歸（Ｏｒｄｉｎａｌ?Ｒｅｇｒｅｓｓｉ叫ＯＲ）學習屬于機器學習中的有監(jiān)督學習方法［叫。??目前，己有眾多有序回歸方法相繼被提出，根據(jù)ＧｕｔｉＳｒｒｅｚ等人［１３］的表述，有序??回歸方法可分為樸素方法、有序二分類方法和閾值方法，如圖１．２所示。??—?＠歸???—ｆｆ通分類??—樸＊方法一???￣??Ｉ—代價分類????［―?荇序分Ｗ??—二分類法－???｜細歸｜－?Ｈ?ａ約麟??—｜?Ｋ枳分布??—?支持向＊機??—?閾值法一一判規(guī)學習??—?流形學習??—?高斯過ｇ??圖１．２有序回歸算法分類??２??

是高維樣本數(shù)據(jù)投影到低維后使其局部信息能夠得到最像歐式距離度量，是本文第三章與第四章圖像分析所采用的方ｒ判別分析??ｒ判別分析，或者可稱為線性判別分析（Ｌｉｎｅａｒ?ｄｉｓｃｒｉｍｉｎａｎｔ?ａ一種被廣泛使用的經(jīng)典特征提取方法。Ｆｉｓｈｅｒ判別分析最ｒ于１９３６年提出來的二類分類方法［６１］，其目的是利用已知類別模型，為未知類別的樣本進行分類＝隨后，Ｒａｏ等人［６２］在１９４８年進行了擴展，使其能夠處理多分類問題。??ｒ判別分析與統(tǒng)計學中的方差分析（Ａｎａｌｙｓｉｓ?ｏｆ?ｖａｒｉａｎｃｅ，?ＡＮＯＶＡ）相關，它們都試圖通過一些特征或測量值的線性組合來表示一個所示，Ｆｉｓｈｅｒ判別分析的核心思想是投影，即將高維問題簡化為。給定訓練樣本集，尋找一條最佳的投影方向，投影后使得同類異類樣本盡可能遠。??

別分析的有序回歸模型最早由Ｓｕｎ等人于文獻［３２］中提的模型是基于線性條件下的，所以這里僅介紹該模型的序回歸模型（Ｌｉｎｅａｒ?Ｄｉｓｃｒｉｍｉｎａｎｔ?Ｌｅａｒｎｉｎｇ?ｆｏｒ?ＯｒｄｉｎａｌＬＤＡ相同，ＬＤＬＯＲ通過尋找一條最佳的投影方向，使相關性沿著該投影方向能夠得到較好地保持。??有序回歸模型ＬＤＬＯＲ滿足以下兩條原則：??影向量ｗ應盡可能地最大化類間離散度且最小化類內影向量…應充分保留原樣本空間數(shù)據(jù)的有序相關性。??ＤＬＯＲ模型描述如下??ｍｉｎ?Ｊ｛ｗ，ｐ）?＝?ｈ＞ｔ?－Ｓ?ｗ?—?Ｃ?ｐ??＇ｓ．ｔ．?ｗ?■?（ｍｋ＋１?－?ｍｋ）?＞?ｐ，?ｋ?＝?＼，２，．．．，Ｋ—＼??示第Ａ－類樣本的均值，Ｃ表示懲罰系數(shù)。若ｐ＞０，則保持原空間的有序關系。??式（２．６）是一個經(jīng)典的二次規(guī)劃問題（Ｑｕａｄｒａｔｉｃ?Ｐｒｏｇｒａｍ式??
【相似文獻】

相關期刊論文 前10條

1 程寬桐;算法分類及各種基本算法的比較與優(yōu)選(上)[J];齊魯珠壇;1996年04期

2 劉培;池忠軍;;算法歧視的倫理反思[J];自然辯證法通訊;2019年10期

3 孫建麗;;算法自動化決策風險的法律規(guī)制研究[J];法治研究;2019年04期

4 吳珍珍;;基于分類規(guī)則算法對存款意愿傾向的研究[J];石河子科技;2018年02期

5 唐璐楊;唐小妹;李柏渝;劉小匯;;多源融合導航系統(tǒng)的融合算法綜述[J];全球定位系統(tǒng);2018年03期

6 周祉含;;西方新聞傳播學的算法研究綜述[J];新聞愛好者;2019年04期

7 趙春杰;;算法共謀的規(guī)制思路[J];市場周刊;2019年07期

8 金爽;;基于標簽傳播的社區(qū)發(fā)現(xiàn)算法研究與應用[J];電腦迷;2018年01期

9 孫建麗;;試論算法的法律保護模式[J];電子知識產(chǎn)權;2019年06期

10 程寬桐;算法分類及各種基本算法的比較與優(yōu)選（下）[J];齊魯珠壇;1996年05期

相關博士學位論文 前7條

1 賈潔茹;跨攝像機行人再識別中度量學習算法研究[D];北京交通大學;2019年

2 高陽;基于局部擴展的重疊社區(qū)發(fā)現(xiàn)算法研究[D];哈爾濱工業(yè)大學;2019年

3 翟婷婷;面向流數(shù)據(jù)分類的在線學習算法研究[D];南京大學;2018年

4 段沛博;分布式約束優(yōu)化算法的研究與應用[D];東北大學;2017年

5 羅春備;面向多尺度復雜場景的高效電磁仿真算法研究[D];浙江大學;2019年

6 邵彥超;油氣井安全生產(chǎn)監(jiān)控數(shù)據(jù)預測預警系統(tǒng)及算法研究[D];北京郵電大學;2016年

7 劉瓊;鄉(xiāng)村道路環(huán)境下農業(yè)機器人導航避障算法研究[D];西北農林科技大學;2017年

相關碩士學位論文 前10條

1 蔣阿娟;基于改進的LBP與2DLDA算法的人臉識別研究[D];安徽理工大學;2019年

2 張洲;無源測向關鍵技術及算法實現(xiàn)[D];電子科技大學;2019年

3 聶飛;遷移聚類新算法研究[D];江南大學;2019年

4 李俊杰;動態(tài)時間規(guī)整算法的改進研究及其應用[D];江南大學;2019年

5 楊姣;基于KNN算法的網(wǎng)絡流量異常檢測研究[D];曲阜師范大學;2019年

6 席毅堃;基于K-means的改進C4.5算法研究[D];內蒙古農業(yè)大學;2019年

7 鮑舒婷;密度峰聚類算法優(yōu)化及其隱私保護研究[D];安徽師范大學;2019年

8 謝勇;基于Spark平臺的聚類算法研究[D];重慶郵電大學;2018年

9 董耀聰;基于機會思想的無線傳感器網(wǎng)絡節(jié)點路由算法研究[D];北京交通大學;2019年

10 杜托;基于Hadoop的關聯(lián)規(guī)則挖掘算法研究[D];重慶郵電大學;2018年

本文編號：2847970