多目標線性規劃分類方法業績分析與改進研究

內容簡介

社會發展離不開數據，而數據必須使用統計方法來加以分析；自威廉，配第從最初不完整的全面調查方法到大樣本統計推斷，是統計方法的第一次革命；以大樣本統計推斷方法為基礎，進一步發展出小樣本統計推斷方法，是統計方法的第二次革命。這兩次革命都是施於用樣本數據推斷總體特徵這一思想，而抽樣誤差的干擾導致統計方法日益複雜，使其套用受到限制。目前，以數據挖掘方法為代表的統計學的第三次革命即將到來。數據挖掘是在繼承已有統計理論的基礎上，與計算機技術緊密結合，充分發揮計算機運算速度快、存儲量大的特點，將統計方法從抽樣推斷向海量數據分析推進，是統計學、計算機技術、仿真計算、機器學習、人工智慧甚至哲學思想相融合的新學科，體現了科學發展“螺旋式上升”的哲學內涵。

圖書目錄

1 緒論

1.1 研究背景

1.2 問題的提出

1.3 基本概念

1.4 本書的研究內容與方法

1.5 本書的結構安排

1.6 本書的特色與貢獻

2 文獻綜述

2.1 幾種線性規劃分類模型

2.2 多目標線性規劃分類模型

2.3 分類方法業績改進的一般技術

2.4 本章主要結論

3 MCLP的偏差和方差分析

3.1 關於MCLP三個特性的一般理論

3.2 期望預測誤差的分解

3.3 數據準備與實驗安排

3.4 實驗結果與分析

3.5 本章主要結論

4 MCLP在不平衡數據集上的業績分析

4.1 分類業績評價標準及選擇

4.2 數據不平衡對分類方法業績影響機制的一般結論

4.3 數據不平衡對MCLP業績影響機制的分析

4.4 數據不平衡對MCLP業績影響的實證分析

4.5 最優類分布結論的穩定性分析

4.6 本章主要結論

5 組合分類器方法對MCLP的業績改進分析

5.1 Bagging和Adaboost程式

5.2 數據準備與實驗安排

5.3 兩種基本組合方法對MCLP的業績改進分析

5.4 一種SmoothBoosting方法對MCLP的業績改進分析

5.5 一種Sequential：Bagging方法對MCLP的業績改進分析

5.6 隨機子空間方法對MCLP的業績改進分析

5.7 本章主要結論

6 不平衡數據處理方法對MCLP的業績改進分析

6.1 MCLP分類中對不平衡數據的一般處理

6.2 數據準備與實驗安排

6.3 基於MCLP分類結果的數據集特性分析

6.4 隨機上抽樣和隨機下抽樣方法對MCLP的業績改進分析

6.5 一種改進的單邊抽樣方法對MCLP的業績改進分析

6.6 改進的單邊抽樣+上抽樣方法對MCLP的業績改進分析

多目標線性規劃分類方法業績分析與改進研究

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條