Экспериментальное сравнение трех оптимизационных методов бинарной классификации данных. А также похожие готовые работы: страница 11 #9101436

Артикул: 9101436
  • Предмет: Прикладная математика
  • Уникальность: 84% (Антиплагиат.ВУЗ)
  • Разместил(-а): 185 Рамиль в 2019 году
  • Количество страниц: 128
  • Формат файла: docx
999p. 2 000p. только 24 ноября!
Оплатите артикул одним из 20 способов и сразу скачайте.
После оплаты он автоматически будет удален с сайта.
Никто кроме вас не сможет посмотреть его до 23.01.2025
ВВЕДЕНИЕ 4
ГЛАВА 1 ТЕОРЕТИЧЕСКОЕ ОПИСАНИЕ АЛГОРИТМОВ 6
1.2 Метод Митчелла-Демьянова-Малоземова (МДМ-метод) 7
1.2.1 МДМ-метод 7
1.2.2 МДМ-метод практическая реализация 9
1.3 Метод Гильберта (Гильберта-Джонсона-Керти, GJK алгоритм) 10
1.3.1 Алгоритм GJK – метода 10
1.3.2 Метод Гильберта практическая реализация 12
1.4 Адаптивный метод условного градиента (ACGA – метод) 14
1.4.1 ACGA метод 14
1.4.2 ACGA метод практическая реализация 15
1.5 Задача классификации данных 16
ГЛАВА 2 ПРАКТИЧЕСКАЯ ЧАСТЬ 19
2.1 Численные эксперименты 19
2.2 Численные эксперименты. Анализ работы методов 30
2.3 Численные расчёты с реальной базой данных 57
2.4 Структурное описание программы 63
2.4.1 Основные функции программы 64
2.4.2 Классификации данных 69
ЗАКЛЮЧЕНИЕ 73
СПИСОК ЛИТЕРАТУРЫ 75
ПРИЛОЖЕНИЯ 76
Приложение 1. Численные эксперименты. Параметры для ACGA метода. 76 Приложение 2. Функция dsearchn 86
Приложение 3. Функция нахождения решения МДМ методом 87
Приложение 4. Функция нахождения решения GJK методом 88
Приложение 5. Функция нахождения решения ACGA методом 91
Приложение 6. Функция построения сепаратора, классификатора 93
Приложение 7. Функция нахождения разности Минковского 94
Приложение 8. Функция определяющая градиент функции 94
Приложение 9. Функция создания графиков и определения параметров 94
Приложение 10. Функция добавления точки на график 95
Приложение 11. Функция проставления точек классов на график с паузой96 Приложение 12. Функция проставления точек классов на график 96
Приложение 13. Функция разделения данных на 2 класса 97
Приложение 14. Функции для проведения численных экспериментов 97
Приложение 15. Функции для выгрузки данных в Excel 105
Приложение 16. Код фор 106

Целью данной работы является: реализация решения задачи проектирования нуля Евклидова пространства на выпуклый многогранник тремя методами (методом Гильберта, МДМ-методом и адаптивным методом условного градиента).
Задачи в рамках выполнения работы:
Изучить научную и учебно-методическую литературу по теме; Численно реализовать метод МДМ в пакете Matlab;
Численно реализовать метод Гильберта в пакете Matlab;
Численно реализовать адаптивный метод условного градиента в пакете Matlab;
Реализовать пользовательский интерфейс для удобного использования методов;
Провести численные эксперименты;
Провести численные расчёты с реальной базой данных; Анализ полученных результатов.
1. Демьянов, В.Ф. Введение в минимакс [Текст]: / В.Ф. Демьянов, В.Н. Малоземов. Москва: Наука, 1972. – 368с.
2. E. G. Gilbert, D. W. Johnson, and S. S. Keerthi. A fast procedure for computing the distance between complex objects in three-dimensional space. In IEEE Journal of Robotics and Automation, volume 4, pages 193–203, April 1988.
https://graphics.stanford.edu/courses/cs448b-00-winter/papers/gilbert.pdf
3. E. G. Gilbert and C.-P. Foo. Computing the distance between general convex objects in three-dimensional space. In IEEE Transactions on Robotics and Automation, volume 6, pages 53–61, February 1990.
4. Методы оптимизации: Учебное пособие / А.В. Аттетков, В.С. Зарубин, А.Н. Канатников. - М.: ИЦ РИОР: НИЦ Инфра-М, 2013. - 270 с.: ил.; 60x90 1/16. - (Высшее образование: Бакалавриат). (переплет) ISBN 978-5-369-01037- 2, 700 экз.
5. C. Ericson. The gilbert-johnson-keerthi (gjk) algorithm. SIGGRAPH Presentation, 2004. Sony Computer Entertainment America.
6. Аналитическая геометрия. Часть 2. Афинные и Евклидовы пространства [Текст]: учеб. пособие. 2 семестр. – Казань: ТГГПУ, 2013. – 188с.
7. Дьяконов, В.П. MATLAB. Полный самоучитель.: учебное пособие – Москва: ДМК Пресс, 2015. – 768 с.
8. Васильев Ф.П. Численные методы решения экстремальных задач: учебник, 2-е изд., переработ. и доп. – Москва: Наука, 1988. – 552
9. Z.R. Gabidullina. Adaptive conditional gradient algorithm. In IX Moscow International Conference on Operations Research (ORM2018), pages 65 – 70, October 2018.
10. A. Гилат, MATLAB Теория и практика. Malloy Lithographers, 4-e изд., 2016, - 430 с.
Материалы, размещаемые в каталоге, с согласия автора, могут использоваться только в качестве дополнительного инструмента для решения имеющихся у вас задач, сбора информации и источников, содержащих стороннее мнение по вопросу, его оценку, но не являются готовым решением. Пользователь вправе по собственному усмотрению перерабатывать материалы, создавать производные произведения, соглашаться или не соглашаться с выводами, предложенными автором, с его позицией.
Тема: Экспериментальное сравнение трех оптимизационных методов бинарной классификации данных
Артикул: 9101436
Дата написания: 16.07.2019
Тип работы: Дипломная работа
Предмет: Прикладная математика
Оригинальность: Антиплагиат.ВУЗ — 84%
Количество страниц: 128
Скрин проверки АП.ВУЗ приложен на последней странице.

В работе представлены только пояснительная записка и листинг программы. Самой программы нет
А ты умеешь выполнять такие работы?

Файлы артикула: Экспериментальное сравнение трех оптимизационных методов бинарной классификации данных. А также похожие готовые работы: страница 11 по предмету прикладная математика

Пролистайте "Экспериментальное сравнение трех оптимизационных методов бинарной классификации данных. А также похожие готовые работы: страница 11" и убедитесь в качестве

После покупки артикул автоматически будет удален с сайта до 23.01.2025
Дипломная — Экспериментальное сравнение трех оптимизационных методов бинарной классификации данных — 1
Дипломная — Экспериментальное сравнение трех оптимизационных методов бинарной классификации данных — 2
Дипломная — Экспериментальное сравнение трех оптимизационных методов бинарной классификации данных — 3
Дипломная — Экспериментальное сравнение трех оптимизационных методов бинарной классификации данных — 4
Дипломная — Экспериментальное сравнение трех оптимизационных методов бинарной классификации данных — 5
Дипломная — Экспериментальное сравнение трех оптимизационных методов бинарной классификации данных — 6
Посмотреть остальные страницы ▼
Честный антиплагиат! Честный антиплагиат!
Уникальность работы — 84% (оригинальный текст + цитирования, без учета списка литературы и приложений), приведена по системе Антиплагиат.ВУЗ на момент её написания и могла со временем снизиться. Мы понимаем, что это важно для вас, поэтому сразу после оплаты вы сможете бесплатно поднять её. При этом текст и форматирование в работе останутся прежними.
Гарантируем возврат денег! Гарантируем возврат денег!
Качество каждой готовой работы, представленной в каталоге, проверено и соответствует описанию. В случае обоснованных претензий мы гарантируем возврат денег в течение 24 часов.

Утром сдавать, а работа еще не написана?

Утром сдавать, а работа еще не написана?
Через 30 секунд после оплаты вы скачаете эту работу!
Сегодня уже купили 31 работу. Успей и ты забрать свою пока это не сделал кто-то другой!