基于粗糙集理論的SVM多分類機及其在崗職分級中的應用.pdf_第1頁
已閱讀1頁，還剩84頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、本論文在深入探討了薪酬數(shù)據(jù)的特點以及人們對崗職分級的研究結果后,嘗試通過機器學習的方法降低分級過程中出現(xiàn)的過多人為干擾因素,以更加科學有效的方法實現(xiàn)崗職分級的公平性和有效性(合理性)。 目前,基于數(shù)據(jù)的機器學習方法,其理論基礎之一是統(tǒng)計學。傳統(tǒng)統(tǒng)計學研究的是樣本數(shù)目趨于無窮大時的漸近理論,但在實際中樣本數(shù)往往是有限的。支持向量機SVM(Support Vector Machine)結構簡單,具有全局最優(yōu)性和較好的泛化能力,但處理

2、如大數(shù)據(jù)量的模式分類,當樣本數(shù)據(jù)的特征屬性過多以及樣本數(shù)據(jù)沖突時,會增加計算量,降低SVM的訓練速度及分類精度。而粗糙集RS(RoughSets)理論在知識約簡,處理不準確、不完整知識等方面則具有巨大的優(yōu)勢和潛力。為此,針對目前市場上薪酬數(shù)據(jù)的自身特點和崗職分級的基本需求,本文提出了基于粗糙集理論的SVM多分類器,即利用RS理論減少SVM數(shù)據(jù)維數(shù)和訓練樣本數(shù)據(jù)的數(shù)目,摒除干擾因素,彌補SVM在處理具有多特征屬性問題中的不足。 我

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論