基于稀疏图的流形正则化多核半督分类研究

《基于稀疏图的流形正则化多核半督分类研究》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、分类号：TP391学校代码：10697密级：公开学号：201531491专业学位硕士论文SPECIALIZEDMASTER’SDISSERTATION基于稀疏图的流形正则化多核半监督分类研究学科名称：软件工程作者:王娜指导老师：王小凤副教授西北大学学位评定委员会二○一八年ResearchonMulti-KernelSemi-supervisedClassificationofManifoldRegularizationBasedonSparseGraphsAthesissubmittedtoNorthwestUniversityinpartialfulfillmentoftherequ

2、irementsforthedegreeofMasterinSoftwareEngineeringByWANGNaSupervisor:WANGXiaofengAssociateProfessorJune2018摘要在信息时代迅猛发展的大环境前提下，数据量也随之增长到海量级别，例如图像分类、病理检测、网页推荐等领域，其中标记数据特别稀少，无标记数据大量存在。基于该现实状况，迫切需要对半监督学习算法进行研究，发掘无标记数据中隐含着的信息，加以合理利用，并创造出价值。在半监督学习算法中，基于图的半监督分类算法更是凭借其较好的解释性和分类性能，受到诸多学者的青睐，得到不断研究和使用。如何提高

3、分类的精度以及分类的效率成为研究重点，本论文以此为主线展开工作，主要研究成果如下：1.提出一种结合模糊C-均值和图转导的稀疏图半监督分类算法。基于部分无标记数据对分类产生的促进作用，本文通过模糊C-均值算法将未标记样本数据进行预选取，挑选出携带对分类有帮助的未标记数据，然后构建近邻稀疏图，使得构图的数据节点大大减少，提高构图的效率；利用图转导的方式将预选取的未标记样本进行分类，得到类别标记，获得更多可靠的标记样本数据；最后利用流形正则化框架训练所有的样本数据，实现数据分类。实验结果表明：相比于同类二分类算法而言，该分类算法分类精度高，分类准确度达到了95%及以上。2.提出对秦俑碎片图像

4、的多特征融合，综合纹理、形状等特征进行图像的描述，避免单特征对于数据信息描述不全面而造成分类准确度低的问题。3.提出一种流形正则化多核模型的半监督分类算法。该算法针对单一特征表征数据能力低的局限，引入多核函数，将多种特征进行融合；同时依据多核学习的高数据映射能力和灵活的特征组合能力，为半监督的多分类算法提供数据依据，提高分类器的泛化能力。实验结果表明：加入多核函数融合多种特征，来描述样本数据的分类效果远比单特征描述样本数据的分类效果优。4.设计并实现了基于半监督的秦俑碎片分类系统。将半监督分类算法应用于兵马俑文物碎片分类中，实现了秦俑碎片的部位分类，为兵马俑的后期拼接及整俑修复作铺垫。

5、关键词：半监督，模糊C-均值，流形正则化，多核函数，多特征融合IABSTRACTInthecontextoftherapiddevelopmentoftheinformationage,theamountofdatahasincreasedtothemasslevel.Butinsomeareas,suchasimageclassification,pathologicaldetection,webrecommendationsandotherfields,wheretaggeddataareparticularlyscarceandunmarkeddataexistsinlargen

6、umbers.Basedonthisreality,itisanurgentneedtostudysemi-supervisedlearningalgorithmstouncoverthehiddeninformationinunlabeleddata,andmakeuseofthemtocreatevalue.Inthesemi-supervisedlearningalgorithm,thegraph-basedsemi-supervisedclassificationalgorithmismorefavoredbymanyscholarsbecauseofitsbetterinte

7、rpretabilityandclassificationperformance.Soithasbeencontinuouslystudiedandused.Themainresearchresultsareasfollows:First,asemi-supervisedclassificationalgorithmbasedonsparsegraphcombinedwithfuzzyc-meansandgraphtransductionisp