基于核策略的半監(jiān)督學(xué)習(xí)方法研究.pdf_第1頁
已閱讀1頁，還剩50頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：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)，請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、半監(jiān)督學(xué)習(xí)已經(jīng)成為模式識別和機器學(xué)習(xí)的重要組成部分，被國際機器學(xué)習(xí)界所廣泛關(guān)注。近年來隨著機器學(xué)習(xí)在數(shù)據(jù)挖掘和分析中的廣泛應(yīng)用，半監(jiān)督學(xué)習(xí)的一些理論已經(jīng)成功應(yīng)用于實際問題的處理。本文對半監(jiān)督學(xué)習(xí)進(jìn)行了研究，主要內(nèi)容如下：
　　 通過擴展核一致性方法，提出了基于核策略的半監(jiān)督學(xué)習(xí)算法GCM(GeneralizedConsistency Method)，深入分析了五種不同的度量及它們之間的關(guān)系，實驗研究了不同度量方法中的參數(shù)與算法性

2、能間的關(guān)系，并對使用不同度量的GCM算法的性能進(jìn)行了比較，實驗結(jié)果表明，使用指數(shù)度量的GCM算法的性能最優(yōu)，而使用歐幾里得度量的GCM算法的性能最差，同時，不同度量中的參數(shù)取值對算法的性能具有一定的影響；
　　 由于CCA是一種線性學(xué)習(xí)模型，線性變換的本質(zhì)限制了抽取樣本更具鑒別力的非線性的特征，因此，Semi-CCA在處理非線性問題上具有不足之處；在Semi-CCA算法的基礎(chǔ)上引入核方法，提出了基于核典型相關(guān)分析的半監(jiān)督學(xué)習(xí)算法

溫馨提示

  • 1. 本站所有資源如無特殊說明，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)頁內(nèi)容里面會有圖紙預(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. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對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, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論