半監(jiān)督學(xué)習(xí)及其應(yīng)用研究.pdf

1、本文研究了半監(jiān)督學(xué)習(xí)算法及其在數(shù)據(jù)挖掘技術(shù)中的應(yīng)用。首先，本文對機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘的相關(guān)知識進(jìn)行了簡單介紹，主要對它們的定義、發(fā)展歷史和相關(guān)流程等進(jìn)行了討論。其次，介紹了本文所使用的半監(jiān)督學(xué)習(xí)算法。最后，以信用卡數(shù)據(jù)和望遠(yuǎn)鏡數(shù)據(jù)為例，進(jìn)行了數(shù)據(jù)挖掘技術(shù)算法實(shí)現(xiàn)。
　　 在數(shù)據(jù)挖掘技術(shù)中，涉及到機(jī)器學(xué)習(xí)問題。半監(jiān)督學(xué)習(xí)是在機(jī)器學(xué)習(xí)領(lǐng)域中同時(shí)利用訓(xùn)練樣本的類別標(biāo)記信息和未標(biāo)記信息的學(xué)習(xí)方法。監(jiān)督學(xué)習(xí)作為機(jī)器學(xué)習(xí)中的一種很主要的方法，

2、基于類別標(biāo)記已知的前提。在實(shí)際問題中，往往需要大的樣本集，而提供大量已知類別的樣本卻存在一定的困難。非監(jiān)督學(xué)習(xí)是機(jī)器學(xué)習(xí)中的另一種主要的方法，它不要求類別標(biāo)記是已知的。但是，與監(jiān)督學(xué)習(xí)相比，非監(jiān)督學(xué)習(xí)存在著更大的不確定性。由于半監(jiān)督學(xué)習(xí)同時(shí)利用訓(xùn)練樣本的類別標(biāo)記信息和未標(biāo)記信息，所以它可以作為傳統(tǒng)的監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)的有益補(bǔ)充。我們所研究的半監(jiān)督學(xué)習(xí)算法，就是基于這些基本原理。
　　 本文的主要?jiǎng)?chuàng)新點(diǎn)以及研究工作如下：

3、　　 (1)對半監(jiān)督學(xué)習(xí)所涉及的理論基礎(chǔ)及相關(guān)工作進(jìn)行了研究，以便后文對算法進(jìn)行相應(yīng)的改進(jìn)研究。目前在機(jī)器學(xué)習(xí)界，主要還是傳統(tǒng)的監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)兩大類別，半監(jiān)督學(xué)習(xí)還屬于一個(gè)比較新穎的領(lǐng)域。對數(shù)據(jù)挖掘所涉及的相關(guān)工作領(lǐng)域進(jìn)行了研究，以便后文對數(shù)據(jù)挖掘應(yīng)用進(jìn)行相應(yīng)的分析研究。
　　 (2)給出了一個(gè)基于貝葉斯分類的半監(jiān)督學(xué)習(xí)算法。該算法基于貝葉斯決策理論，通過概率密度函數(shù)進(jìn)行分布估計(jì)，對兩類別半監(jiān)督學(xué)習(xí)問題進(jìn)行判定。

4、　　 (3)給出了一個(gè)基于FCM的半監(jiān)督學(xué)習(xí)算法。該算法來源于非監(jiān)督學(xué)習(xí)的聚類方法，采用類別分離的間接方法來度量，并且加入了模糊模式識別方法，可以同時(shí)進(jìn)行特征選擇，對多類別半監(jiān)督學(xué)習(xí)問題進(jìn)行判定。
　　 (4)給出了在信用卡數(shù)據(jù)挖掘模型中，加入半監(jiān)督學(xué)習(xí)算法作為技術(shù)解決方案的方法。該方案使用的算法就是基于FCM的半監(jiān)督學(xué)習(xí)算法，同時(shí)可以進(jìn)行特征選擇。并且，因考慮到信用卡審批模型的特點(diǎn)，引入了損失函數(shù)，從而得到了一種新的半監(jiān)督學(xué)