組中選優(yōu)機(jī)器學(xué)習(xí)問(wèn)題建模和算法研究.pdf

1、在自然、經(jīng)濟(jì)和社會(huì)領(lǐng)域,大量存在樣本以組為單位,分類(lèi)任務(wù)為學(xué)習(xí)訓(xùn)練集中每組“最優(yōu)”樣本的規(guī)律,然后預(yù)測(cè)未見(jiàn)樣本組的最優(yōu)樣本問(wèn)題;而現(xiàn)有機(jī)器學(xué)習(xí)問(wèn)題的樣本都以個(gè)體為單位,鮮有考慮成組出現(xiàn)和組中選優(yōu)的情況。
　　 本文將實(shí)際工作中大量存在的以上問(wèn)題,歸納為組中選優(yōu)機(jī)器學(xué)習(xí)問(wèn)題。本文首先研究了新機(jī)器學(xué)習(xí)問(wèn)題的建模和模型求解算法,接著給出了新模型和新算法的一個(gè)具體應(yīng)用,表明新模型的有效性和優(yōu)越性。本文的主要工作有:
　　 1.提

2、出了組中選優(yōu)機(jī)器學(xué)習(xí)問(wèn)題,并分析了該問(wèn)題的新特點(diǎn)。組中選優(yōu)的目標(biāo)是選出每組中的最優(yōu)樣本,因此它僅需學(xué)習(xí)組內(nèi)不同類(lèi)樣本之間的差異性,無(wú)需學(xué)習(xí)組間同類(lèi)樣本之間的相似性。進(jìn)一步地,組間同類(lèi)樣本之間的相似性比較或?qū)W習(xí)不僅沒(méi)有意義,甚至還會(huì)帶來(lái)負(fù)面影響。
　　 2.建立了基于支持向量機(jī)(SVM)的組中選優(yōu)分類(lèi)新模型(G.SVMs)。首先設(shè)計(jì)了組中選優(yōu)機(jī)器學(xué)習(xí)問(wèn)題的置信風(fēng)險(xiǎn)和經(jīng)驗(yàn)風(fēng)險(xiǎn)的定量度量指標(biāo),然后根據(jù)SRM原則建立了體現(xiàn)組中選優(yōu)特點(diǎn)的

3、分類(lèi)新模型(G-SVMs)。同時(shí)也導(dǎo)出了它們的對(duì)偶問(wèn)題,以及原問(wèn)題和對(duì)偶問(wèn)題解之間的關(guān)系。
　　 3.給出了G-SVMs的最小序貫算法(SMO)。首先研究了新模型最優(yōu)解的KKT條件,然后根據(jù)該條件給出新模型的SMO算法,并在MATLAB環(huán)境下進(jìn)行實(shí)現(xiàn)。
　　 4.在數(shù)據(jù)預(yù)處理方面,提出了保持組內(nèi)不同類(lèi)樣本差異條件下,減弱組間同類(lèi)樣本比較影響的組內(nèi)比例化方法。
　　 5.開(kāi)展了G-SVMs在深交所新股申購(gòu)中的應(yīng)用研