六单元害虫预测预报方法2节.ppt

max 系数的解方程 C不同带来的影响 支持向量回归(Regression)问题 线性回归:给定训练集(xi,yi),找个线性函数f(x)=wTx+b,来拟合数据 最小二乘法(Least Square) 其中 为回归误差. 记 ,则目标函数可写为 解为 最小二乘解的不足:数值稳定性问题,增加新数据对解都有影响,为使模型尽量简单需进行假设检验. 脊回归(Ridge Regression) 数值稳定性较好. 还可写为 ε敏感损失回归 ε敏感损失函数(ε-Insensitive Loss) 支持向量机算法的应用领域 SVM的应用主要于模式识别领域 贝尔实验室对美国邮政手写数字库进行的实验 分类器 错误率 人工表现 2.5% 决策树C4.5 16.2% 最好的两层神经网络 5.9% SVM 4.0% SVM与神经网络（NN）的对比 SVM的理论基础比NN更坚实，更像一门严谨的“科学”（三要素：问题的表示、问题的解决、证明） SVM —— 严格的数学推理 NN —— 强烈依赖于工程技巧 推广能力取决于“经验风险值”和“置信范围值”，NN不能控制两者中的任何一个。 NN设计者用高超的工程技巧弥补了数学上的缺陷——设计特殊的结构，利用启发式算法，有时能得到出人意料的好结果。 “我们必须从一开始就澄清一个观点，就是如果某事不是科学，它并不一定不好。比如说，爱情就不是科学。因此，如果我们说某事不是科学，并不是说它有什么不对，而只是说它不是科学。” —— by R. Feynman from The Feynman Lectures on Physics, Addison-Wesley 同理，与SVM相比，NN不像一门科学，更像一门工程技巧，但并不意味着它就一定不好！ 主要应用领域 手写数字识别 语音识别 人脸识别 文本分类 支持向量机研究 如何针对不同的问题选择不同的核函数仍然是一个悬而未决的问题。 标准的SVM对噪声是不具有鲁棒性的,如何选择合适的目标函数以实现鲁棒性是至关重要的。 支持向量机算法研究 支持向量机的本质是解一个二次规划问题,虽然有一些经典（如对偶方法、内点算法等）,但当训练集规模很大时,这些算法面临着维数灾难问题。为此,人们提出了许多针对大规模数据集的SVM训练算法。 支持向量机算法研究 训练SVM的绝大多数算法都是针对分类问题,只有一小部分算法考虑了回归函数的估计问题。 提高算法效率、降低复杂度。 2011-2012学年第二学期《昆虫生态测报》期末考查方案 适用班级植保091-2，083-6 根据《昆虫研究法》课程的教学大纲和实践性较强的课程特点特制定如下成绩考查方案： 平时成绩占期末总成绩30%，平时成绩打分依据为考勤记录和实验报告成绩。 期末考查成绩占总成绩70%，按学校规定用统一答题纸书写并统一格式书写封面。期末考查试卷纸封面见下： 昆虫生态测报期末考查试卷 姓名：××× 班级： 植保×××（阿拉伯数字）班 学号： ××× ××× 考查内容分三个题： 一、利用图书馆中文文献资源或highwile免费数据库、学术Google等有哪些信誉好的足球投注网站引擎检索一篇虫害发生的多元线性回归模型有关的文献。抄出文题、作者和杂志名及年期号。然后列出自变量与因变量内容、回归方程及相关系数。说明模型检验结果或历史符合率分析结果。 二、检索一篇其他模型文献 二、检索一篇模糊回归模型、灰色系统预测模型、BP—神经网络模型、时间序列模型、支持向量机模型或其他预测模型的虫害发生文献。抄出文题、作者和杂志名及年期号。解释文献的输入因子、输出因子、数据处理方法。说明模型检验结果或历史符合率分析结果。 三、写一篇虫害预测设计 三、根据自己的本课程知识和相关学科知识，设计一个校园周围农田或校内花卉的虫害发生预测方案。列出所设计方案的输入因子、输出因子、数据处理方法，要求该方案有可行性和科学性。 谢谢大家 马尔科夫过程的稳定状态 在较长时间后，马尔科夫过程逐渐处于稳定状态，且与初始状态无关。马尔科夫链达到稳定状态的概率就是稳定状态概率，也称稳定概率。 趋势分析中，要设法求解得到分析对象的稳态概率，并以此做趋势分析。 在马尔科夫分析法的基本模型中，当X=XP时，称X是P的稳定概率，即系统达到稳定状态时的概率向量，也称X是P的固有向量或特征向量，而且它具有唯一性。 时间：tn 状态：xn 即为过程X(tn)的所有可能取值 状态空间：I={x1 ,x2 ,…