基于半監(jiān)督學(xué)習(xí)方法的研究
12700字     22頁

摘  要

   近幾年來隨著機器學(xué)習(xí)在數(shù)據(jù)分析和數(shù)據(jù)挖掘中的廣泛應(yīng)用,半監(jiān)督學(xué)習(xí)的理論研究成果已經(jīng)部分應(yīng)用于實際問題的解決。半監(jiān)督學(xué)習(xí)(Semi-supervised Learning)是模式識別和機器學(xué)習(xí)中的重要研究領(lǐng)域,一直為國際機器學(xué)習(xí)界所廣泛關(guān)注。
本文主要研究了半監(jiān)督學(xué)習(xí)方法，具體考慮了不同度量對半監(jiān)督學(xué)習(xí)的影響。考慮關(guān)于標(biāo)記的和未標(biāo)記數(shù)據(jù)的一般問題的學(xué)習(xí)，其通常被稱為半監(jiān)督學(xué)習(xí)或轉(zhuǎn)導(dǎo)推理。半監(jiān)督學(xué)習(xí)的原則性方法是定義一個有關(guān)標(biāo)記的和未標(biāo)記的點集的固有結(jié)構(gòu)所共同顯現(xiàn)的足夠平穩(wěn)的分類函數(shù)。實驗結(jié)果表明，使用指數(shù)度量的GCM算法的性能最優(yōu)，而使用歐幾里得度量的GCM算法的性能最差；另外，不同度量中的參數(shù)取值對算法的性能具有一定的影響。

關(guān)鍵詞：半監(jiān)督  機器學(xué)習(xí)  GCM  CM   
 
ABSTRCAT

With Machine learning methods being widely applied for real world data analysis and data mining, semi-supervised learning has been introduce for solving more and more real world problems.Semi-supervised learning, which combines information from both labeled and unlabeled data for learning tasks, has drawn wide attention.
We consider the general problem of learning from labeled and unlabeled data,which is often called semi-supervised learning or transductive inference.A principled approach to semi-supervised learning is to design a classifying function which is suf_ciently smooth with respect to the intrinsic structure collectively revealed by known labeled and unlabeled points. Experimental results show that performance of GCM algorithm for using the exponential measure is superior to other measures and performance of GCM algorithm for using the Euclidean measure is inferior to other measures. Moreover, arguments for different measures impact on the performance of algorithm.
Key words：Semi-supervised   Machine learing  GCM  CM
 
目  錄

一  引言 1
1.1研究背景和意義 1
1.1.1研究背景 1
1.1.2研究意義 1
1.2國內(nèi)外研究現(xiàn)狀 1
1.3研究內(nèi)容 2
1.4論文組織與安排 2
二  半監(jiān)督學(xué)習(xí)算法 3
2.1樸素貝葉斯分類器 3
2.1.1貝葉斯法則 3
2.2.2 樸素貝葉斯分類器學(xué)習(xí) 3
2.2 k-近鄰算法 4
三  常用的度量方法 6
3.1加權(quán)s階Minkowski度量 6
3.2非線性度量 6
3.3 K近鄰度量 6
3.4指數(shù)度量 6
3.5雙曲正切度量 7
四  基于核策略的半監(jiān)督學(xué)習(xí)算法 8
4.1 CM算法 8
4.2 GCM算法 8
五  總體設(shè)計與詳細(xì)設(shè)計 10
5.1總體設(shè)計 10
5.2 詳細(xì)設(shè)計 10
六 實驗研究與分析 13
6.1實驗數(shù)據(jù) 13
6.1.1 CM算法實驗數(shù)據(jù) 13
6.1.2 GCM算法實驗數(shù)據(jù) 14
6.2實驗方法 14
6.2.1 CM實驗方法 14
6.2.2 GCM實驗方法 14
6.3 實驗結(jié)果與分析 15
七  結(jié)論 17
謝  辭 18
參考文獻(xiàn) 19