畢業(yè)設(shè)計（論文）開題報告：機器學習之線性分類模型及應(yīng)用研究

PAGEPAGE2畢業(yè)設(shè)計（論文）開題報告題目機器學習之線性分類模型及應(yīng)用研究專業(yè)信息與計算科學姓名班級學號指導(dǎo)教師提交時間綜述本課題的研究動態(tài)，說明選題的依據(jù)和意義本課題研究動態(tài)機器學習的研究是根據(jù)生理學、認知科學等對人類學習機理的了解，建立人類學習過程的計算模型或認識模型，發(fā)展各種學習理論和學習方法，研究通用的學習算法并進行理論上的分析，建立面向任務(wù)的具有特定應(yīng)用的學習系統(tǒng)。這些研究目標相互影響相互促進。機器學習是關(guān)于理解與研究學習的內(nèi)在機制、建立能夠通過學習自動提高自身水平的計算機程序的理論方法的學科。近年來機器學習理論在諸多應(yīng)用領(lǐng)域得到成功的應(yīng)用與發(fā)展，已成為計算機科學的基礎(chǔ)及熱點之一。機器學習是繼專家系統(tǒng)之后人工智能應(yīng)用的又一重要研究領(lǐng)域，也是人工智能和神經(jīng)計算的核心研究課題之一。機器學習是人工智能領(lǐng)域中較為年輕的分支,其發(fā)展過程可分為4個時期：1)20世紀50年代中期到60年代中期,屬于熱烈時期；2)60年代中期至70年代中期,被稱為機器學習的冷靜時期；3)70年代中期至80年代中期,稱為復(fù)興時期；4)1986年開始是機器學習的最新階段。這個時期的機器學習具有如下特點：機器學習已成為新的邊緣學科并在高校成為一門獨立課程，融合了各種學習方法且形式多樣的集成學習系統(tǒng)研究正在興起，機器學習與人工智能各種基礎(chǔ)問題的統(tǒng)一性觀點正在形成，各種學習方法的應(yīng)用范圍不斷擴大。一部分應(yīng)用研究成果已轉(zhuǎn)化為商品，與機器學習有關(guān)的學術(shù)活動空前活躍。

選題的依據(jù)機器學習的研究主旨是使用計算機模擬人類的學習活動，它是研究計算機識別現(xiàn)有知識、獲取新知識、不斷改善性能和實現(xiàn)自身完善的方法。機器學習的研究目標有3個：

1)人類學習過程的認知模型；通用學習算法；構(gòu)造面向任務(wù)的專用學習系統(tǒng)的方法機器學習是關(guān)于理解與研究學習的內(nèi)在機制、建立能夠通過學習自動提高自身水平的計算機程序的理論方法的學科。意義近年來機器學習理論在諸多應(yīng)用領(lǐng)域得到成功的應(yīng)用與發(fā)展，已成為計算機科學的基礎(chǔ)及熱點之一。采用機器學習方法的計算機程序被成功用于機器人下棋程序、語音識別、信用卡欺詐監(jiān)測、自主車輛駕駛、智能機器人等應(yīng)用領(lǐng)域，除此之外機器學習的理論方法還被用于大數(shù)據(jù)集的數(shù)據(jù)挖掘這一領(lǐng)域。實際上，在任何有經(jīng)驗可以積累的地方，機器學習方法均可發(fā)揮作用。

本課題研究的基本內(nèi)容，擬解決的主要問題和難點問題基本內(nèi)容顧名思義，機器學習是研究如何使用機器來模擬人類學習活動的一門學科。稍為嚴格的提法是：機器學習是一門研究機器獲取新知識和新技能，并識別現(xiàn)有知識的學問。這里所說的“機器”，指的就是計算機；現(xiàn)在是電子計算機，以后還可能是中子計算機、光子計算機或神經(jīng)計算機等等。機器學習是繼專家系統(tǒng)之后人工智能應(yīng)用的又一重要研究領(lǐng)域，也是人工智能和智能計算的核心研究課題之一?，F(xiàn)有的計算機系統(tǒng)和人工智能系統(tǒng)沒有什么學習能力，至多也只有非常有限的學習能力，因而不能滿足科技和生產(chǎn)提出的新要求。對機器學習的討論和機器學習研究的進展，必將促使人工智能和整個科學技術(shù)的進一步發(fā)展。本課題研究機器學習中比較基礎(chǔ)的線性分類模型，以及誤差分析，并將這些算法在某些領(lǐng)域中進行應(yīng)用。擬解決的主要問題本課題通過運用機器學習中簡單的線性分類模型，對我們所需要判斷的問題進行一個簡單的分類，是或者不是，兩種情況，不過也可能包含兩種以上的情況，這得根據(jù)具體情況具體分析。我們用大量的數(shù)據(jù)進行推理論證，從而提高判斷的合理性、準確性以及有效性，盡可能的縮小誤差值。3、難點問題機器學習模型遇到錯誤時不能自我校正；機器學習模型不會通過經(jīng)驗改善自身的性能；機器學習模型不會自動獲取和發(fā)現(xiàn)所需要的知識；機器學習的推理僅限于演繹而缺少歸納，至多只能夠證明已存在事實、定理，而不能發(fā)現(xiàn)新的定理、定律和規(guī)則等。研究步驟、方法及措施查閱、學習文獻資料，結(jié)合已學過的課程，明確線性分類模型的理論，對課題有個基本的了解通過上網(wǎng)查找各類文獻來了解線性分類模型在某領(lǐng)域中的應(yīng)用；通過軟件建立線性分類模型；通過與老師及同組同學交流，對建立的線性分類模型進行分析和評價；撰寫畢業(yè)論文；翻譯外文科技文獻；提交論文和翻譯文獻，做答辯講稿，準備答辯。四、工作進度序號設(shè)計（論文）各階段名稱日期1查閱、學習文獻資料，結(jié)合已學過的課程，明確線性分類模型的理論、方法、步驟；撰寫開題報告1～2周2畢業(yè)實習,上交開題報告，文獻綜述3～5周3研究線性分類模型在某領(lǐng)域中的應(yīng)用；6～7周4通過軟件建立線性分類模型；8～10周5對建立的線性分類模型進行分析和評價；撰寫論文初稿11～13周6撰寫畢業(yè)論文，定稿14～15周7提交論文，外文翻譯資料，準備答辯16周8修改論文、答辯17～18周五、主要參考文獻[1]李航.統(tǒng)計學習方法[M].北京:清華大學出版社,2012[2]Pang-Ning，MichaelSteinbachVipinKunar.數(shù)據(jù)挖掘?qū)д摚ㄍ暾妫M].北京：人民郵電出版社[3]黃陳鋒.基于粗集一支持向量機的電力供需預(yù)警研究[D].北京華北電力大學,2006[4]呂科奇.基于支持向量機的工程項目投資估算方法研究[D].浙江:浙江人學,2004[5]Varfis.Univariateeconomictimeseriesforecastingbyconnectionistmethods[C].IEEEICNN.1990(90):342-345.[6]Lapedes.Nonlinearsignalprocessingusingneuralnetworks:Predictionandsystemmodeling[R].TechnicalReportLA-UR-87-2662.LosAlamosNationalLaboratoryNM,1987,54-56.[7]羅士勛.人民幣匯率預(yù)測和風險管理研究[D].吉林大學，2005.[8]楚翠玲，馬恩濤.我國地方政府性債務(wù)風險預(yù)警研究-基于BP神經(jīng)網(wǎng)絡(luò)的分析[J].廣西財經(jīng)學院學報,2016(5):58-67[9]劉瀲滟.我國財政風險監(jiān)測預(yù)警方法優(yōu)選及BP神經(jīng)網(wǎng)絡(luò)模型實踐[D].云南財經(jīng)大學，2016.[10]薛曄，藺琦珠，任耀.我國通貨膨脹風險的預(yù)測模型-基于決策樹BP神經(jīng)網(wǎng)絡(luò)[J].經(jīng)濟問題，2016（1）：82-89.[11]SextonJ,LaakeP.StandardErrorsforBaggedandRandomForestEstimators[J].ComputationalStastistics,2008,2(3):841-860.[12]Antipov,EA，pokryshevskaya,EB.Massappraisalofresidentialapartments:AnapplicationofRandomforestforvaluationandaCART-basedapproachformodeldiagnostics[J].ExpertSystemsWithApplications,2012,39(2):1772-1778[13]崔東文.隨機森林回歸模型及其在污水排放量預(yù)測中的應(yīng)用[J].供水技術(shù),2014,8(2),31-36[14]金宇,周可新,方穎,劉欣.基于隨機森林模型預(yù)估氣候變化對動物物種潛在生境的影響[J].生態(tài)與農(nóng)村環(huán)境學報,2014,04:416-422.六、指導(dǎo)教師審核意見指導(dǎo)教師簽字：