计算机应用技术硕士论文-半监督的聚类和降维研究及应用

《计算机应用技术硕士论文-半监督的聚类和降维研究及应用》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、南京航空航天大学硕士学位论文半监督的聚类和降维研究及应用姓名：金骏申请学位级别：硕士专业：计算机应用技术指导教师：张道强20071201南京航空航天大学硕士学位论文摘要半监督学习是近年来机器学习领域的一大研究热点。与传统的监督学习和无监督学习相比，半监督学习能同时利用有标号和无标号样本来学习，从而获得更好的性能。目前，国际上有关半监督学习的研究可大致分为两类，即半监督分类和半监督聚类。其中，相对于前者，后者在理论和算法研究上都还尚不够成熟。本文首先对半监督聚类进行研究，在原有的一些模糊核聚类算法基础之上，提出了一系列半监督模糊核聚类算法。随

2、后，把半监督学习的思想引入降维，对半监督降维加以研究。最后，把本文提出的算法分别应用于图像分割和图像检索，并实现了一个图像检索原型系统。本文主要的创新与研究工作总结如下：1．在先前提出的鲁棒联机聚类算法（ROC）的基础上，通过引入以样本类标号形式给出的监督信息，提出了一种半监督的鲁棒联机聚类算法（Semi-ROC），在人工数据集和国际标准数据集上的实验验证了算法的有效性。2．提出了两种模糊核聚类算法SKFCM和SKPCM，并分别在国际标准数据集和人工数据集上进行了实验验证。同时将SKFCM算法应用于半监督的图像分割，取得了较好的结果。3．在

3、先前工作基础之上，对半监督降维技术在图像检索上的应用进行了较为深入的研究，并在国际标准数据集上验证了半监督降维算法的有效性。基于上述研究工作，我们利用VC++6.0开发工具构建了一个基于内容的图像检索原型系统。该原型系统主要包括实时图像检索以及信息存储等部分，为后续理论和算法研究提供了一个真实的实验平台。关键词：半监督学习，半监督聚类，降维，半监督降维，核方法，图像检索，图像压缩i半监督学习理论的研究及其在图像检索中的应用AbstractSemi-Supervisedlearningisahottopicofmachinelearningr

4、ecently,relativetosupervisedlearningandunsupervisedlearningmethods,asemi-supervisedlearningalgorithmcanmakeuseoflabeledsamplesandunlabeledsamplesinthesametime,obviously,inthisformthelearningalgorithmcangetabetterperformance.Semi-supervisedlearningcanbedividedintotwoways：Se

5、mi-supervisedclassificationandsemi-supervisedclustering.Asemi-supervisedclusteringalgorithmusesomesupervisedsamplestoinstructtheclusteringprocedureinordertogetabetterresult,andasemi-supervisedclassificationusesomeunlabeledsamplestotrainabetterclassify.Thispaperbasedonthese

6、mi-supervisedlearningandpaysitsattentiononsemi-supervisedclusteringalgorithmsandsemi-superviseddimensionreduction.Theprimaryworkofthispapercanbesummarizedasfollows:(1)BaseontheROC,asemi-supervisedalgorithm(calledSemi-ROC)isproposed,withthehelpofsupervisedsamples,thenewalgo

7、rithmscangetabetterperformance,theexperimentresultontheartificialdatasetandUCIdatasetshowstheproposedalgorithmiseffectiveandfeasible.(2)Severalsemi-supervisedkernelclusteringalgorithmsincludingsemi-supervisedkernelfuzzy-cmeans(SKFCM)andsemi-supervisedkernelpossibilistic-cm

8、eans(SKPCM)wasproposed.Theresultontheartificialanducidatasetshowsitsefficiency.Wealsotest