進(jìn)化多目標(biāo)稀疏重構(gòu)和集成學(xué)習(xí).pdf_第1頁(yè)
已閱讀1頁(yè),還剩220頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、人工智能在將近六十多年的發(fā)展中已經(jīng)取得了很大的進(jìn)步。本博士論文主要探討和研究人工智能的兩個(gè)及其重要的研究領(lǐng)域:智能計(jì)算和分類問題。本博士論文研究了進(jìn)化計(jì)算和分類器集成的幾個(gè)關(guān)鍵性問題:1)針對(duì)約束優(yōu)化問題中由于約束條件而造成的對(duì)全局最優(yōu)解搜索困難的問題,提出了結(jié)合進(jìn)化多目標(biāo)的優(yōu)點(diǎn)來(lái)解決約束優(yōu)化問題;2)從理論角度分析和研究了可以用在大規(guī)模優(yōu)化問題的分解算法;3)從多目標(biāo)優(yōu)化的角度分析和求解近幾年在各個(gè)領(lǐng)域應(yīng)用都非常廣泛的稀疏重構(gòu)問題;4

2、)給出如何將壓縮感知的優(yōu)點(diǎn)應(yīng)用到集成學(xué)習(xí)上并給出一種非??焖儆行У姆诸惼骷伤惴???偨Y(jié)起來(lái),本博士論文的主要貢獻(xiàn)如下:
  ?提出了一種用于約束優(yōu)化的新穎選擇進(jìn)化策略
  約束優(yōu)化問題在理論和實(shí)踐中都是一類很常見的問題。約束優(yōu)化問題的解空間被約束條件分為可行解空間和不可行解空間。不可行解空間的存在使得解約束優(yōu)化問題的算法很難在既保證效率、最優(yōu)性又滿足約束條件下快速收斂。這里,提出用多目標(biāo)的技術(shù)來(lái)權(quán)衡在可行解和非可行解之間的搜

3、索,并且提出一種自適應(yīng)的選擇策略來(lái)同時(shí)搜索對(duì)算法收斂有促進(jìn)作用的可行解和不可行解。因?yàn)榧s束優(yōu)化問題的最優(yōu)解是一個(gè)可行的不可支配解,所以違反約束條件較小的不可支配解和目標(biāo)函數(shù)值較小的可行解是對(duì)進(jìn)化過(guò)程有益的兩類解。提出的算法就是著重保存和搜索這兩類解,并且也給出相關(guān)的理論證明。最后,也將提出的算法在22個(gè)標(biāo)準(zhǔn)函數(shù)測(cè)試庫(kù)進(jìn)行了算法性能的對(duì)比測(cè)試。實(shí)驗(yàn)結(jié)果也證實(shí)我們提出算法可以得到高效可行的結(jié)果。
  ?提出了一種基于二次混合偏導(dǎo)數(shù)的分

4、解算法
  在工程實(shí)踐和科學(xué)研究中,研究者們通常會(huì)遇到大規(guī)模的優(yōu)化問題。而這類問題的最大難點(diǎn)就是所謂的“維度災(zāi)難”。一種直觀但高效可行的辦法是“分而治之”的方法。協(xié)同進(jìn)化計(jì)算方法使得進(jìn)化計(jì)算解決問題的規(guī)??梢源蠓忍岣摺_@是由于協(xié)同進(jìn)化計(jì)算首先將一個(gè)大規(guī)模的優(yōu)化問題分為若干個(gè)小問題,然后再對(duì)每個(gè)小問題進(jìn)行逐個(gè)求解,最后求得整個(gè)優(yōu)化問題的最優(yōu)解。這也使得分解方法成為決定協(xié)同進(jìn)化計(jì)算性能的關(guān)鍵性因素。本章節(jié)中,主要從理論上研究大規(guī)模問

5、題的變量之間的相關(guān)性,給出了相關(guān)的理論和推論。提出了一種基于二次混合偏導(dǎo)數(shù)的分解算法,并且在對(duì)差分分解算法進(jìn)行深入研究的基礎(chǔ)上,基于本章節(jié)的理論研究提出了一種隨機(jī)差分分解算法,該分解算法可以解決差分算法無(wú)法解決的問題。最后的實(shí)驗(yàn)結(jié)果也證實(shí)了該算法的有效性。
  ?提出了一種進(jìn)化多目標(biāo)用于稀疏重構(gòu)問題的算法
  通過(guò)進(jìn)化多目標(biāo)的方法來(lái)研究在壓縮感知中兩個(gè)相互矛盾的代價(jià)函數(shù)(測(cè)量誤差和稀疏正則項(xiàng))。我們深入分析研究了稀疏重構(gòu)問題

6、,并通過(guò)實(shí)驗(yàn)數(shù)據(jù)證明此類問題的帕里托面上存在拐點(diǎn)區(qū)域,而且也進(jìn)一步證實(shí)稀疏重構(gòu)問題的最優(yōu)解存在于拐點(diǎn)區(qū)域。此外,還提出一個(gè)基于問題的進(jìn)化多目標(biāo)局部搜索方法來(lái)處理壓縮感知問題,進(jìn)而提出了基于軟閾值的多目標(biāo)進(jìn)化計(jì)算。該算法通過(guò)軟閾值的方法來(lái)加強(qiáng)搜索這兩個(gè)方向上的解:一類是加快朝帕里托面收斂速度的解;另一類是增加帕里托面解分布均勻性的解。通過(guò)對(duì)這兩類解的著重搜索也促進(jìn)了對(duì)拐點(diǎn)區(qū)域的確定,進(jìn)而確保了對(duì)最優(yōu)解的搜索。最后,通過(guò)和其他先進(jìn)算法的對(duì)比

7、實(shí)驗(yàn)證實(shí)了該算法的優(yōu)點(diǎn)。也給出了該算法在實(shí)踐應(yīng)用中的實(shí)驗(yàn)結(jié)果,例如:從含有噪聲污染的信號(hào)和圖像中恢復(fù)出原始信號(hào)和圖像。
  ?提出了一種基于壓縮感知的快速高效集成算法
  高效集成學(xué)習(xí)需要達(dá)到兩個(gè)目標(biāo):盡量少的分類器個(gè)體數(shù)量和盡量高的分類精度。本博士論文中,介紹了這兩個(gè)目標(biāo)如何通過(guò)壓縮感知的框架完美的實(shí)現(xiàn)。這里我們很巧妙地將分類器問題轉(zhuǎn)化成為壓縮感知問題,將集成學(xué)習(xí)的兩個(gè)目標(biāo)轉(zhuǎn)化成為壓縮感知中需要解決的兩個(gè)問題,同時(shí)兼顧了分

8、類器個(gè)體的稀疏性和集成總體的分類精度,進(jìn)而提出了基于壓縮感知框架的快速高效集成算法。本章中的另外一個(gè)貢獻(xiàn)是提出一種新的集成學(xué)習(xí)性能評(píng)價(jià)指標(biāo)-基于輪盤賭的kappa錯(cuò)誤評(píng)價(jià)指標(biāo)。該指標(biāo)不僅僅考慮到各個(gè)分類器的權(quán)重,也有效地降低了最終在圖像中顯示出的分類器對(duì)數(shù)(但不影響讀者對(duì)最終結(jié)果的判斷)。此類方法可以更清楚直觀地展示kappa圖,尤其是在最后集成分類器較多的情況下更有效。實(shí)驗(yàn)部分我們?cè)?5個(gè)公開的測(cè)試數(shù)據(jù)上對(duì)比了四種不同稀疏重構(gòu)算法用于

9、集成學(xué)習(xí)的性能。最后的也給出提出算法和其他五個(gè)最好集成算法的對(duì)比實(shí)驗(yàn)結(jié)果。這些實(shí)驗(yàn)表明本文提出的算法不但可以得到更高的精度,并且在速度上也優(yōu)越于其他的算法。
  ?提出了一種聯(lián)合稀疏集成算法
  闡述了如何通過(guò)使用一個(gè)聯(lián)合稀疏表示方法,把一組稀疏系數(shù)向量分配給一組弱分類器,最后組合成一個(gè)性能較強(qiáng)的分類器合集。該方法中,訓(xùn)練數(shù)據(jù)被分成多個(gè)子組,以產(chǎn)生子欠定系統(tǒng)。然后采用聯(lián)合稀疏方法將這些子群體聯(lián)合起來(lái),進(jìn)而分享它們關(guān)于個(gè)體分類

10、器的信息,以獲得一種改進(jìn)的集成結(jié)果。由于提出的聯(lián)合稀疏集成需要將訓(xùn)練樣本分割成若干個(gè)子集,這也使得提出的算法非常適合通過(guò)并行化處理的方式來(lái)處理大規(guī)模的問題。本章的另外一個(gè)貢獻(xiàn)就是提出的算法可以處理多類別的分類問題(相比之下,上一章提出的方法只能處理兩類問題)。文中,給出了兩種不同的策略來(lái)產(chǎn)生子欠定系統(tǒng),在兩種對(duì)訓(xùn)練數(shù)據(jù)不同的處理方法下得到的實(shí)驗(yàn)結(jié)果也表明了此方法的有效性。另外,文中也給出了聯(lián)合稀疏集成算法和其他五種經(jīng)典方法的對(duì)比實(shí)驗(yàn),實(shí)

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論