【摘 要】
：
函数型数据分类研究是函数型数据分析中十分重要的研究方向,已被广泛应用于生命科学、医学与经济学等领域中.常见的函数型数据分类方法大多只给出一个分类结果,其不足之处在于无法量化结果的不确定性.一致性预测是量化预测不确定性的常用方法,其目的是通过预测区间（回归问题）或集合（分类问题）消除预测结果的不确定性.本文基于一致性预测方法,提出一种新的函数型数据分类算法.该算法能构造出满足给定覆盖率的预测集合,以
论文部分内容阅读
函数型数据分类研究是函数型数据分析中十分重要的研究方向,已被广泛应用于生命科学、医学与经济学等领域中.常见的函数型数据分类方法大多只给出一个分类结果,其不足之处在于无法量化结果的不确定性.一致性预测是量化预测不确定性的常用方法,其目的是通过预测区间（回归问题）或集合（分类问题）消除预测结果的不确定性.本文基于一致性预测方法,提出一种新的函数型数据分类算法.该算法能构造出满足给定覆盖率的预测集合,以此实现对分类结果的不确定性量化,且只要求数据满足可交换性.首先,本文通过两种方法构建出函数型预测带,该预测带可以描述一组函数曲线的范围、大小和形状.随后,本文定义了一种新的非一致性得分函数,并设计了两种计算权重矩阵的方法,实现了对曲线与预测带之间距离的度量.最后,本文根据蒙德里安归纳一致性预测方法对函数型数据进行分类.在模拟研究和实际数据分析中,本文提出的算法可以保证每个类别的覆盖率达到给定的置信水平,且在模糊性（预测集的平均大小）指标上表现较好.
其他文献
多相流问题是计算流体力学领域学者们竞相研究的热门问题之一,其中,气-液多相流是一个重要的研究方向。各种流体之间会发生很多复杂的现象,其中质量、动量和能量的交换经常发生在气-液两相的界面处,尤其是在解决大密度比、大黏度比而导致的两相界面处大压力梯度的问题,是处理气-液多相流问题时存在的主要难点。首先,根据上述难点,本文针对不可压缩、非混溶的复杂多相流问题,提出了一种广义守恒相场简化多相流格子Bolt
随着科技的不断发展,数字化信息给人们带来很大的价值,不仅可以帮助商家发现商品的不足,还能帮助消费者选择心仪的商品.当数据量不断增长时,传统的情感分析方法已无法满足海量数据的处理,且效果过于依赖人工特征.本文以情感分析的主流研究方法和BERT预训练模型为背景,结合情感词典和深度学习对中文文本进行情感分析.首先结合BERT词向量和情感词典作为句子的特征矩阵;其次利用一维卷积层提取文本信息的特征,压缩词
随着科学技术的发展,机器人的工作环境与工作任务愈加发杂,传统的非冗余机器人已经难以胜任这些复杂的工作。超冗余机器人具有较多的冗余自由度,能够适应各种复杂的工作环境和工作任务,具有广泛的发展前景。由于超冗余机器人结构复杂,其运动学和动力学求解难度大,给超冗余机器人运动规划这一研究问题增加了难度。因此本论文分别从超冗余机器人运动学、动力学、路径规划、轨迹规划以及轨迹优化这几个方面进行研究,论文的主要工
随着大规模的城市化,城市空气污染已对社会经济发展和公众健康造成严重危害。因此,建立城市空气污染长期准确的预测方法有助于污染防治政策的实施。然而,现有的研究并没有充分考虑空气污染长路径迁移的时空模式特征,且多步超前预测面临着长期时空相关性混叠和累计错误的挑战。本研究基于物联网监测站点建立了中国城市PM2.5空气污染物长期的时空模式预测模型（ASTCN）。模型巧妙地设计了新颖的时空融合机制整合了PM2
在实际工程应用中,用于并网发电的风力机往往运行于大气边界层的环境之中,其工作状态受所处风流场的影响,同时又通过风轮的转动扰动着周围的气流,基于这个过程,两者之间发生了复杂的能量交换运动。尤其在现今叶片大型化、柔性化趋势之下,伴随着气动响应、流固耦合、叶片结构非线性振动等问题的新常态特征日益突显,研究大气边界层中复杂的流动环境机理及其对风机的影响机制具有重要的意义。本文主要研究了与风力机运行相关的两
磁性液体是由磁性纳米颗粒、表面活性剂及基载液三种物质组成的胶体悬浮液,它兼具液体材料的流动性和固体材料的磁性,其在磁场作用下呈现的非接触式可控特性广泛受到了科研工作者的关注。同时,磁驱动作为一种具有远程、非接触、实时控制、瞬时响应、无特定环境要求且与生物医学具有较好的兼容性等优点的操控方式,在生物、化学、医学、光学、微流控、机械等领域中具有良好的应用前景。但由于磁场作用下的磁性液体流体动力学行为异
随着通信技术的高速发展,互联网逐渐成为各种信息的载体。旅游门户网站也成为了游客发表旅游景点评论的主要平台,网站中的信息成为众多旅游者参考的重要依据。因此,如何从游客的评论中挖掘出关键信息,从而识别出情感倾向,以便提升游客服务质量,具有重要的意义。传统的情感分析方法过度依赖人工构建的情感词典和人工选择特征,这会花费巨大的人力物力。为了提高模型精度,提升工作效率,本文基于深度学习的方法在甘肃省的6个5
时空序列数据指的是数据既随时间发生改变也在空间上呈现一定分布,以空气质量数据为例,一个地区的所有空气质量监测站点记录的数据就构成一组时空序列数据。直接对时空序列数据建模预测不仅可以更好地提取数据在时间和空间上的相关关系,而且相比于针对各空间节点单独构建时间序列预测模型可以降低模型的参数和训练时间。本文主要以甘肃省的PM2.5数据为例设计了一个时空序列预测模型,并针对数据特点对模型做出了改进。本文利
在信息过载时代,推荐系统通过挖掘用户兴趣为用户过滤冗余信息,使得用户能在推荐结果中快速检索其意向商品。协同过滤是工业界中影响最深远的推荐算法之一,它通过用户、商品之间的相似关系进行推荐。如何在协同过滤思路上进一步提升推荐质量是推荐系统中的热门问题。近年来,图神经网络协同过滤方法快速发展,为推荐算法提供了一个新思路。这类算法将用户与商品之间的交互历史重构成图结构数据,再利用图卷积结构挖掘用户与商品之
在汽车电气化发展的趋势下,锂离子电池被广泛地用作新能源汽车的动力电源,但较高的能量密度可能会导致其火灾安全性较低。就目前的技术而言,锂离子电池仍然有无法避免的“热失控”风险,电池火灾安全问题已经在相当程度上制约了电动汽车的发展。电池包灭火系统的冷却性能是保障电池包火灾安全性的关键,但是在面临环境或电池本身的不确定性因素影响下,该性能的表现会发生变化,导致系统可能无法满足灭火冷却的需求。因此,确保灭