面向高維數(shù)據(jù)降維與分類的深度模型構(gòu)建方法研究.pdf

1、不同行業(yè)結(jié)合的綜合性的信息物理系統(tǒng)具有數(shù)據(jù)量大且數(shù)據(jù)維度高等特征，尤其是維度較高的數(shù)據(jù)不僅難以被人們直觀理解，而且也難以被現(xiàn)有的機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘算法進(jìn)行有效地處理，因此數(shù)據(jù)降維是處理高維數(shù)據(jù)的一個重要手段，也是特征提取的重要工具。
　　在數(shù)據(jù)降維處理方面，國內(nèi)外眾多學(xué)者已經(jīng)有了大量的研究工作，但是在線性和非線性降維領(lǐng)域仍然存在著許多挑戰(zhàn)性的問題。在大量閱讀文獻(xiàn)的基礎(chǔ)上，本文分析了在線性降維和非線性降維中所存在的問題：線性降維算法

2、一般都是在假設(shè)數(shù)據(jù)服從高斯分布的基礎(chǔ)上進(jìn)行處理，流形學(xué)習(xí)等非線性降維算法則因為不能給出數(shù)據(jù)降維的顯式映射關(guān)系而使得應(yīng)用受限。但是，在深度學(xué)習(xí)中，受限玻爾茲曼機(jī)由于具有類神經(jīng)網(wǎng)絡(luò)的記憶聯(lián)想功能和獨(dú)有的理論上可以擬合任意分布的能力使得基于其構(gòu)建的深度結(jié)構(gòu)模型可以很好的解決上述問題。
　　本文圍繞數(shù)據(jù)降維問題展開研究，重點(diǎn)對線性降維算法和流形學(xué)習(xí)非線性降維算法進(jìn)行研究，針對存在的問題構(gòu)建了基于受限玻爾茲曼機(jī)的深度高維數(shù)據(jù)降維模型同時對其

3、進(jìn)行了結(jié)構(gòu)上的優(yōu)化。本文的主要工作包括以下幾個方面：
　?、賹鹘y(tǒng)的線性降維算法和基于流形學(xué)習(xí)的非線性降維算法進(jìn)行了分析與研究，并比較了它們之間的優(yōu)缺點(diǎn)。
　　②對深度學(xué)習(xí)的基礎(chǔ)構(gòu)造模塊受限玻爾茨曼機(jī)進(jìn)行介紹與分析，其在理論上可以對任意分布的數(shù)據(jù)進(jìn)行擬合，而且可以將映射關(guān)系保存在可見層與隱含層之間的連接權(quán)值中，因此可以很好解決上述存在的問題。
　?、刍谑芟薏柶澛鼨C(jī)構(gòu)建深度高維數(shù)據(jù)降維模型并對其從結(jié)構(gòu)上進(jìn)行優(yōu)化，同時