欢迎来到天天文库
浏览记录
ID:36807475
大小:2.34 MB
页数:51页
时间:2019-05-15
《半监督学习方法及其应用研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、摘要摘要随着计算机技术的发展,人类收集数据、存储数据的能力得到了极大的提高,无论是科学研究还是社会生活,各个领域中都积累了大量的数据,对这些数据进行分析以发掘数据中蕴含的有用信息,几乎成为所有领域的共同需求。传统的机器学习方法大多只考虑有标记数据(1abeleddata)或者未标记数据(unlabeleddata),但是在很多真实问题中往往是二者并存的。半监督学习(Semi.supervisedlearning)由此应运而生。半监督学习是模式识别和机器学习中重要研究领域之一,一直为国际机器学习界关注,其在分类(classification)和聚类(cl
2、ustering)中得到了广泛的应用,本文主要针对半监督聚类进行研究和分析。本文首先对于半监督聚类领域的国内外研究情况进行回顾,然后通过对无监督聚类和监督学习理论知识的介绍,得出半监督聚类为何会得到广泛关注,同时给出半监督聚类常用的思路和算法。最后本文详细介绍了我们在这方面研究开展的一系列工作:(1)我们提出了改进微分进化算法的半监督模糊聚类,在结合传统FCM和进化算法的基础上,参考粒子群算法惯性权重思想,引入惯性加权系数。算法前期可以维持个体的多样性,后期能够加快算法的收敛速度,有效地提高了算法的性能。遥感图像数据等实验结果证明了算法的有效性。(2)
3、我们提出了基于改进的成对约束的半监督聚类算法,首先对原先少量约束对信息进行调整,增加约束对量。在此基础上利用监督信息对原始数据进行降维,利用闭包中心代替闭包集,最后在基于成对约束的K均值算法上进行聚类。该算法解决了成对约束的违反问题,同时提高了聚类的性能。在UCI数据集的实验中可以证明这种方法的可行性。关键词:半监督聚类,模糊C均值,K均值算法,成对约束,进化算法,闭包AbstractWi廿lthedevelopmentofcomputertechnology,theabilityofdatacollectionandstoragehasbeenimp
4、rovedgreately.Notonlyinscienceresearch,butalsoindailylifeplentyofdatahasbeengained.Howtoanalysethesedatagotandminetheusefulinformationhiddeninthedata,whichisacriticalrequirementineveryfield.Inthetraditionalmachinelearning,justtheunlabeleddataorthelabeleddatawereconsidered.Bothof
5、themareexistinginmanyinstances,howtousethecombinedinformations,thensemi-supervisedlearningisproposed.Semi—supervisedlearningisoneofthemostimportantresearchfieldsinpatternrecognitionandmachinelearning.Itiswidelyappliedinclassificationandclustering.Inthispaperonlysemi-supervisedcl
6、usteringismentioned.Inthispaper,firstly,thestudystatusonsemi—supervisedclusteringisreviewed.Secondly,weintroducethetheoryofthenon-supervisedclusteringandsupervisedclustering,andgetthereasonswhysemi-supervisedlearningiswidelyattended.Wealsointroducethegeneralmethodandalgorithmins
7、emi-supervisedclustering.Lastly,wepresentwhatwehavedoneaboutsemi-supervisedclusteringwhichCanbegeneralizedtwothings.(1)Weproposeamodifieddifferentialevolutionalgorithmforsemi-supervisedfuzzyclustering.Onthebasesoftraditionalfcmalgorithmandevolutionaryalgorithm,weintroduceinertia
8、-weightedcoefficientbyconsideringinertia-weight
此文档下载收益归作者所有