基于专家知识的机器学习算法研究

摘要

机器学习是一门利用计算机来模拟人类学习行为的学科。计算机辅助诊断和经济数据预测是机器学习的重要应用领域。针对以上两个实际应用问题，本文分别设计了基于专家知识的机器学习预测算法，获得了优异的预测性能。另外，本文还设计了一个多任务回归预测算法，利用相关任务的信息来提高目标任务的预测准确率。
　　“社会消费品零售总额”是一项反映国民经济的重要指标。本文基于数据的函数性特征，采用函数型数据分析方法对中国社会消费品零售总额进行预测。将总额数据分解为长期趋势成分和季节性波动成分分别进行预测。对长期趋势成分引入居民可支配收入数据来辅助预测，对于季节性成分采用自适应选择权重的加权预测法，将两项预测值的和作为总额预测结果。真实数据上的实验结果表明，本文提出的预测方法预测误差小，且预测结果具有很好的可解释性。
　　青光眼是最常见的致盲眼病之一，早期诊断十分困难。本文提出了基于专家知识的青光眼分类算法。将垂直杯盘比(VCDR)与ISNT score作为先验方向，借鉴主成分分析(PCA)的思想设计了先验PCA算法。基于先验PCA算法来提取眼底照的多维特征，利用机器学习中的各种分类算法进行二分类预测。在478例数据上获得了97.71％的预测准确率。
　　多任务学习是迁移学习的一种，目标是在辅助任务上通过训练提取相关信息来提高模型的泛化能力。本文设计了多任务最小二乘正则化回归算法，利用相关任务的样本数据训练选择最适合目标任务的模型参数，进而利用目标任务的样本数据学习目标任务的回归函数。通过在四个真实数据集上进行实验并与其它经典多任务算法结果进行比较，获得了优于其它经典多任务算法的预测结果。

目录

声明

摘要

1．1 研究背景及意义

1．2 机器学习预测算法

1．2．1 支持向量机算法

1．2．2 K近邻算法

1．2．3 人工神经网络

1．2．4 Adaboost

1．3 函数型数据分析方法

1．3．1 函数型数据研究背景

1．3．2 函数型数据分析基础

1．4 研究方法和论文结构

1．4．2 论文结构

1．5 本文的创新点

第二章 基于函数型数据分析的中国社会消费品零售总额数据的预测

2．1 社会消费品零售总额数据及其研究简介

2．2 社会消费品零售总额预测方法

2．2．1 预测基本思想

2．2．2 算法设计

2．3 实验

2．3．1 实验设置

2．3．2 比较的方法

2．3．3 实验结果

2．4 结论

第三章 基于先验PCA的青光眼诊断算法

3．1 青光眼诊断研究现状

3．2 先验PCA算法

3．2．1 基本思想

3．2．2 先验PCA算法设计

3．3 特征提取

3．4 实验

3．4．1 实验设置

3．4．2 各种特征提取方法

3．4．3 分类预测算法

3．4．4 实验结果

3．5 总结

第四章 多任务最小二乘正则化回归算法

4．1 多任务算法研究现状

4．2 算法设计

4．3 实验

4．3．1 实验设计

4．3．2 比较的方法

4．3．3 实验结果

4．4 结论

第五章 结论

参考文献

致谢

硕士期间研究成果及发表的学术论文

作者及导师简介