开题报告-机器学习之线性分类模型及应用研究.docVIP

综述本课题的研究动态，说明选题的依据和意义 本课题研究动态 机器学习的研究是根据生理学、认知科学等对人类学习机理的了解，建立人类学习过程的计算模型或认识模型，发展各种学习理论和学习方法，研究通用的学习算法并进行理论上的分析，建立面向任务的具有特定应用的学习系统。这些研究目标相互影响相互促进。机器学习是关于理解与研究学习的内在机制、建立能够通过学习自动提高自身水平的计算机程序的理论方法的学科。近年来机器学习理论在诸多应用领域得到成功的应用与发展，已成为计算机科学的基础及热点之一。机器学习是继专家系统之后人工智能应用的又一重要研究领域，也是人工智能和神经计算的核心研究课题之一 。机器学习是人工智能领域中较为年轻的分支, 其发展过程可分为4个时期：1)20世纪50年代中期到60年代中期, 属于热烈时期；2)60年代中期至70年代中期,被称为机器学习的冷静时期；3)70 年代中期至 80 年代中期,称为复兴时期；4)1986 年开始是机器学习的必威体育精装版阶段。这个时期的机器学习具有如下特点：机器学习已成为新的边缘学科并在高校成为一门独立课程，融合了各种学习方法且形式多样的集成学习系统研究正在兴起，机器学习与人工智能各种基础问题的统一性观点正在形成，各种学习方法的应用范围不断扩大。一部分应用研究成果已转化为商品，与机器学习有关的学术活动空前活跃 选题的依据 机器学习的研究主旨是使用计算机模拟人类的学习活动，它是研究计算机识别现有知识、 获取新知识、不断改善性能和实现自身完善的方法。机器学习的研究目标有3个： 1) 人类学习过程的认知模型； 通用学习算法；构造面向任务的专用学习系统的方法机器学习是关于理解与研究学习的内在机制、建立能够通过学习自动提高自身水平的计算机程序的理论方法的学科。  本课题研究的基本内容，拟解决的主要问题和难点问题 基本内容 顾名思义，机器学习是研究如何使用机器来模拟人类学习活动的一门学科。稍为严格的提法是：机器学习是一门研究机器获取新知识和新技能，并识别现有知识的学问。这里所说的“机器”，指的就是计算机；现在是电子计算机，以后还可能是中子计算机、光子计算机或神经计算机等等。机器学习是继专家系统之后人工智能应用的又一重要研究领域，也是人工智能和智能计算的核心研究课题之一。现有的计算机系统和人工智能系统没有什么学习能力，至多也只有非常有限的学习能力，因而不能满足科技和生产提出的新要求。对机器学习的讨论和机器学习研究的进展，必将促使人工智能和整个科学技术的进一步发展。本课题研究机器学习中比较基础的线性分类模型，以及误差分析，并将这些算法在某些领域中进行应用。 拟解决的主要问题 本课题通过运用机器学习中简单的线性分类模型，对我们所需要判断的问题进行一个简单的分类，是或者不是，两种情况，不过也可能包含两种以上的情况，这得根据具体情况具体分析。我们用大量的数据进行推理论证，从而提高判断的合理性、准确性以及有效性，尽可能的缩小误差值。 3、难点问题 机器学习模型遇到错误时不能自我校正； 机器学习模型不会通过经验改善自身的性能； 机器学习模型不会自动获取和发现所需要的知识； 机器学习的推理仅限于演绎而缺少归纳，至多只能够证明已存在事实、定理，而不能发现新的定理、定律和规则等。 研究步骤、方法及措施 查阅、学习文献资料，结合已学过的课程，明确线性分类模型的理论，对课题有个基本的了解 通过上网查找各类文献来了解线性分类模型在某领域中的应用； 通过软件建立线性分类模型； 通过与老师及同组同学交流，对建立的线性分类模型进行分析和评价； 撰写毕业论文； 翻译外文科技文献； 提交论文和翻译文献，做答辩讲稿，准备答辩。 四、工作进度 序 号 设计（论文）各阶段名称 日 期 1 查阅、学习文献资料，结合已学过的课程，明确线性分类模型的理论、方法、步骤；撰写开题报告 1～2周 2 毕业实习,上交开题报告，文献综述 3～5周 3 研究线性分类模型在某领域中的应用； 6～7周 4 通过软件建立线性分类模型； 8～10周 5 对建立的线性分类模型进行分析和评价；撰写论文初稿 11～13周 6 撰写毕业论文，定稿 14～15周 7 提交论文，外文翻译资料，准备答辩 16周 8 修改论文、答辩 17～18周 五、主要参考文献 [1]李航.统计学习方法[M].北京:清华大学出版社,2012 [2]Pang-Ning，Michael Steinbach Vipin Kunar.数据挖掘导论（完整版）[M].北京：人民邮电出版社 [3]黄陈锋.基于粗集一支持向量机的电力供需预警研究[D].北京华北电力大学,2006 [4]吕科奇.基于支持向量机的工程项目投资估算方法研究[D].浙