基于SVR的案例挖掘的應用研究.pdf

1、進入二十一世紀以來,隨著科學技術、計算機網(wǎng)絡技術的飛速發(fā)展以及電子商務時代的到來,各行各業(yè)都積累了大量的數(shù)據(jù),目前數(shù)據(jù)的規(guī)模需要用它來衡量,而且這種規(guī)模還在急劇的增長,我們迫切需要對這些數(shù)據(jù)進行深度挖掘,把它轉化為對我們有價值的知識和信息,并且把這些知識和信息用在各個方面。比如電子商務管理、決策、調(diào)控等。所以數(shù)據(jù)挖掘技術由此應運而生。
　　 由于影響病理腸癌五年生存的相關屬性比較多,個體存在差異,數(shù)據(jù)多呈現(xiàn)非線性變化,每個屬性值

2、大小反應的程度又是不同的,所以采用SVM方法進行歸類存在一定的局限性；同時一個好的預測模型應該具有良好的學習性能,能夠通過不同的影響因素值進行預后判斷,得出的五年生存的程度也有大小的不同,本文使用SVR方法對病理腸癌進行了研究。
　　 本文首先介紹了課題的研究背景:數(shù)據(jù)挖掘技術的產(chǎn)生、發(fā)展、定義、課題的研究意義以及數(shù)據(jù)挖掘在國內(nèi)外的研究現(xiàn)狀。其次介紹了統(tǒng)計學習理論以及支持向量機的基本知識,主要包括VC維理論、推廣性的界、結構風險