半監(jiān)督學習若干問題的研究.pdf

1、在現(xiàn)實應用中，由于資源、人力與不可克服的條件限制，標簽數據的獲取存在一定的困難。在少量標簽數據和大量未標簽數據的情況下，如何有效地提高傳統(tǒng)監(jiān)督學習模型的泛化能力和無監(jiān)督學習的高效性成為半監(jiān)督學習的主要問題。半監(jiān)督學習的研究和探索具有深遠的實際意義，一方面利用大量無標簽數據輔助少量標簽數據構建精良的學習模型，另一方面在少量標簽數據（先驗知識）的指導下，無監(jiān)督學習過程更加合理高效。
　　 本文探討了半監(jiān)督學習技術在復雜數據聚類、分類

2、和移動對象異常軌跡探測三個方面問題的應用研究，并在分析已有經典算法不足的基礎上設計和實現(xiàn)相應的算法：
　　 （1）面向結構復雜數據的半監(jiān)督聚類算法SCDCS，有效地發(fā)現(xiàn)任意形狀和多密度分布的簇，并具有一定的抗噪聲能力。
　　 （2）基于監(jiān)督聚類的半監(jiān)督分類算法N2SC，減少噪聲數據對協(xié)同訓練算法性能的影響，提高分類器的性能。
　　 （3）基于半監(jiān)督技術的異常軌跡探測算法Semi-TOD，結合少量異常軌跡先驗知識的