半监督降维和分类算法研究

半监督学习论文 维数约减论文 集成学习论文
论文详情
在很多实际应用中,随着数据采集技术和存储技术的发展,获取大量的无标号样本已变得非常容易,而获取有标号样本通常需要付出很大的代价。因而,相对于大量的无标号样本,有标号样本通常会很少。传统的无监督学习只能利用无标号样本进行学习,监督学习只利用少量的有标号样本学习,而半监督学习则能同时利用大量的无标号样本和少量的有标号样本来进行学习,因此,半监督学习是非常有意义的研究课题。半监督学习包括半监督分类、半监督回归、半监督聚类和半监督维数约减等几个方面。本文以半监督学习为基础,主要做了以下一些工作:在半监督维数约减方面,提出了一种新的算法ISSDR。一方面,它能够充分利用正负约束信息,使得在低维空间中不属于同一类的数据离的越远越好,而属于同一类的数据靠的越近越好。另一方面,引入剩余的大量未标记数据,利用隐藏在未标记数据中的潜在信息,能很好的保持数据集的全局以及局部结构。实验结果表明,该算法能从大量的未标记数据以及有限的成对约束中学习出有用的知识,实验证明了该算法的有效性。在半监督分类方面,提出了一种新的集成算法E-LNP。它选用一种基于图的半监督学习算法LNP作为子学习器,通过选择不同的特征个数以及学习参数,利用子学习器分别多次训练进行预测,然后将其预测结果按投票方式进行集成,从而得到最终的学习结果。实验表明E-LNP算法比仅使用单一的半监督分类器有更强的泛化能力,能有效的提高分类精度。
摘要第3-4页
Abstract第4页
第一章 绪论第7-13页
    1.1 机器学习第7-8页
    1.2 半监督学习的研究背景及内容第8-10页
    1.3 国内外对半监督学习研究的进展及现状第10-11页
    1.4 论文的研究内容及安排第11-13页
第二章 半监督学习理论第13-27页
    2.1 半监督学习的基础知识第13-15页
        2.1.1 半监督学习的有效性第13-14页
        2.1.2 半监督学习的两个基本假设第14-15页
    2.2 几种已有分类算法的半监督学习框架第15-18页
        2.2.1 基于SVM 的半监督学习第15-16页
        2.2.2 基于核方法的半监督学习第16-17页
        2.2.3 基于K 均值的半监督学习第17-18页
    2.3 四类半监督学习算法第18-25页
        2.3.1 基于EM 的半监督学习算法第19-21页
        2.3.2 增量半监督学习算法第21-22页
        2.3.3 基于图的半监督学习算法第22-23页
        2.3.4 直推式支持向量机第23-25页
    2.4 本章小结第25-27页
第三章 维数约减算法第27-39页
    3.1 无监督维数约减算法第27-30页
        3.1.1 主成份分析PCA第27-28页
        3.1.2 局部线性嵌入LLE第28-30页
    3.2 监督维数约减算法第30-32页
        3.2.1 线性判别分析LDA第30-31页
        3.2.2 有监督的局部线性嵌入SLLE第31-32页
    3.3 半监督维数约减算法第32-35页
        3.3.1 半监督典型相关分析Semi-CCA第32-34页
        3.3.2 半监督维数约减SSDR第34-35页
    3.4 改进的半监督维数约减算法第35-38页
        3.4.1 ISSDR 算法介绍第35-36页
        3.4.2 实验分析第36-38页
    3.5 本章小结第38-39页
第四章 基于集成学习的半监督学习算法第39-51页
    4.1 集成学习第39-43页
        4.1.1 集成学习的理论基础第39-40页
        4.1.2 个体生成方法第40-42页
        4.1.3 结论生成方法第42-43页
    4.2 线性邻域传播算法LNP第43-46页
        4.2.1 LNP 算法描述第43-45页
        4.2.2 LNP 算法分析第45-46页
    4.3 集成算法在半监督学习中的应用第46-50页
        4.3.1 算法描述第46-48页
        4.3.2 实验分析第48-50页
    4.4 本章小结第50-51页
结束语第51-53页
致谢第53-55页
参考文献第55-61页
在读期间的研究成果第61-62页
论文购买
论文编号ABS1132406,这篇论文共62页
会员购买按0.30元/页下载,共需支付18.6
不是会员,注册会员
会员更优惠充值送钱
直接购买按0.5元/页下载,共需要支付31
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文

点击收藏 | 在线购卡 | 站内搜索 | 网站地图
版权所有 艾博士论文 Copyright(C) All Rights Reserved
版权申明:本文摘要目录由会员***投稿,艾博士论文编辑,如作者需要删除论文目录请通过QQ告知我们,承诺24小时内删除。
联系方式: QQ:277865656