資源描述：
《基于小樣本的評價理論與方法研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、ADissertationinManagementscienceandEngineeringStudyonevaluationtheoriesandmethodsofsmallsampleCandidate：ZhangXinSupervisor：YangLiEconomicandManagementSchoolAnHuiUniversityofScienceandTechnologyNo．168，ShungengRoad，Huainan，232001，P．R．CHINA獨創(chuàng)性聲明本人聲明所呈交的學(xué)位論
2、文是本人在導(dǎo)師指導(dǎo)下進行的研究工作及取得的研究成果。據(jù)我所知，除了文中特別加以標(biāo)注和致謝的地方以外，論文中不包含其他人已經(jīng)發(fā)表或撰-'-W過的研究成果，也不包含為獲得塞邀堡王太堂或其他教育機構(gòu)的學(xué)位As正-S而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻均已在論文中作了明確的說明并表示謝意。學(xué)位論文作者簽名：速簽日期：五瞧年j月』日學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解塞邀堡王太堂有保留、使用學(xué)位論文的規(guī)定，即：研究生在校攻讀學(xué)位期間論文工作的知識產(chǎn)權(quán)單位屬于塞邀堡三態(tài)堂。學(xué)校有權(quán)保留
3、并向國家有關(guān)部門或機構(gòu)送交論文的復(fù)印件和磁盤，允許論文被查閱和借閱。本人授權(quán)安徽理工大學(xué)可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進行檢索，可IJ,采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文。(保密的學(xué)位論文在解密后適用本授權(quán)書)學(xué)位論文作者簽名：易銑彳鑫簽字日期：加／埠6月占日．導(dǎo)師簽名：簽字日期：山7>年石月6日摘要在日常生活和工程實踐中，尤其是在國防、航天、核設(shè)施等高科技領(lǐng)域，人們常常會碰到正類的數(shù)據(jù)樣本較為充足，而負(fù)類樣本數(shù)據(jù)的數(shù)量卻十分稀少的問題。因此，通過何種手段和途徑在這有限的樣
4、本數(shù)據(jù)中提取出更多可用信息，以此來對試驗過程進行科學(xué)而又有效的分析和預(yù)測，便是小樣本問題所需要研究和解決的。本文對較為常見的幾種小樣本評價方法進行了詳細(xì)的闡述和歸納，對其來源、數(shù)學(xué)原理進行了敘述，并指出了各種方法在實際應(yīng)用中的優(yōu)缺點和局限性；尤其是詳細(xì)地闡述了近年來新近產(chǎn)生，但發(fā)展卻十分迅速的統(tǒng)計學(xué)習(xí)理論中的支持向量機方法的相關(guān)概念以及發(fā)展趨勢。對于小樣本的支持向量機方法分別從分類和回歸兩個方面進行了詳細(xì)的說明，包括基本原理和建模機理。在分類問題的研究中，將支持向量分類機模型運用到實例研究中，預(yù)測煤與
5、瓦斯的突出類別：首先用經(jīng)典的小樣本支持向量機方法對實例進行了一個三分類預(yù)測，突出類別設(shè)定為無突出、小突出和大突出，然后將因子分析法和支持向量機方法結(jié)合，通過對上述分類問題的驗證，得出二者結(jié)合的組合模型可使分類準(zhǔn)確率得到一定提升的結(jié)論；在回歸問題的研究中，將支持向量回歸機模型運用于煤礦安全的預(yù)測中，包括近幾年煤礦安全事故死亡人數(shù)和百萬噸死亡率兩個方面：首先分別用灰色GM(1，1)模型和經(jīng)典的支持向量機模型進行預(yù)測，然后將二者結(jié)合起來，充分發(fā)揮兩種方法的優(yōu)越性，也驗證了改進后的模型具有較高的預(yù)測準(zhǔn)確率。圖
6、【6】6表[10]參[76]關(guān)鍵詞：小樣本；小樣本評價方法；小樣本的支持向量機方法；因子分析；灰色系統(tǒng)理論分類號：(1～2)；摘要AbstractPeopleoftenencounterthisproblemthattherearemanypositivesamplesandfewnegativesamplesindailylifeandengineeringpractice，especiallyinhigh-techfieldssuchasdefense，aerospaceandnuclearfac
7、ilities．Therefore，howtoextractavailableinformationinlimitedsamplingdatatoanalysisandforecastthetestprocessscientificallyandeffectivelyiswhatthetheoriesofsmallsampleneedtostudyandresolve．Commonevaluationmethodsaredescribedandconcludedindetailinthispaper,
8、includingthenarrationoftheirsourcesandmathematicalprinciples．Alsotheadvantages，disadvantagesandlimitationsaredescribedinthispaper．Especiallythemethodofsupportvectormachinewhichhaverecentlyformedanddevelopedrapidlyinrecentyearsisg
