基于兩種不同構(gòu)圖方法的半監(jiān)督分類算法研究.pdf

1、在信息技術(shù)飛速發(fā)展的帶動下，機器學習領(lǐng)域中的半監(jiān)督學習自從產(chǎn)生便不斷發(fā)展壯大，在豐富了數(shù)據(jù)挖掘、統(tǒng)計研究等相關(guān)領(lǐng)域的同時，也為其他學科實現(xiàn)快速發(fā)展提供了更好的機遇和更多的可能。伴隨著“互聯(lián)網(wǎng)+”時代的到來，在這樣的環(huán)境下，大量的數(shù)據(jù)中隱含著的信息不斷被挖掘利用，創(chuàng)造新的價值。基于圖的半監(jiān)督學習憑借其直觀性也逐漸被更多的學者所研究和使用。利用樣本集構(gòu)圖作為基于圖的半監(jiān)督學習的重要構(gòu)成環(huán)節(jié)，往往決定著學習算法的效率高低，合適的構(gòu)圖能夠帶來更

2、高的分類準確率。當下基于圖的學習方法研究中采用的構(gòu)圖方法大多都是 K近鄰構(gòu)圖法，對于其他的構(gòu)圖方法的研究卻相對較少。同時由于常用的構(gòu)圖方法在解決樣本數(shù)據(jù)的連接邊的對稱性和連通性上存在一定的不足，因而對使用什么樣的構(gòu)圖方法能夠更好的提高基于圖的半監(jiān)督學習效率的問題研究是十分迫切和必要的。
　　本文的主要研究內(nèi)容如下:
　?、磐ㄟ^查閱大量的國內(nèi)外文獻資料，結(jié)合國內(nèi)外的研究現(xiàn)狀和具有代表性的案例分析，對基于圖的半監(jiān)督學習的內(nèi)涵和特

3、點做了較為全面完整的綜述，并概述了基于圖的半監(jiān)督學習方法的基本理論及技術(shù)；
　?、茷榱丝朔氡O(jiān)督分類算法中常用的 k近鄰圖構(gòu)圖方法不能同時滿足邊的對稱性和圖的連通性的不足,本文將最小最大鄰域階方法應(yīng)用到半監(jiān)督分類算法的構(gòu)圖過程中，提出了基于最小最大鄰域階的半監(jiān)督分類算法(KMMLGC算法)。通過對隨機樣本數(shù)據(jù)和 UCI數(shù)據(jù)集上的數(shù)據(jù)的仿真實驗，表明了KMMLGC算法的有效性；
　?、亲匀蛔罱彉?gòu)圖法是一種自適應(yīng)的、無參數(shù)的搜