基于数据模式识别整合框架的SOFM-SVM模型及其应用.pdf

基于数据模式识别整合框架的SOFM-SVM模型及其应用.pdf

  1. 1、本文档共39页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(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. 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. 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)。
查看更多

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

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

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)

***** + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档