結構半監(jiān)督學習算法及其應用研究.pdf

1、在如今科技飛速發(fā)展的時代,無論是科學研究還是社會生活領域,都收集和積累了大量的數(shù)據。對這些數(shù)據進行有效地分析和利用,不僅是計算機科學發(fā)展的目標,同時也能在很大程度上推動醫(yī)學、地質學、氣象學等傳統(tǒng)學科和信息生物學、組合化學等新興交叉學科的發(fā)展。在實際應用中,人工對數(shù)據進行標記常常是比較費時和昂貴的,并且在很多領域中,標記數(shù)據的獲得都需要有經驗的專業(yè)人員。
　　 半監(jiān)督學習在具有較少標記樣本的條件下,通過融合幾乎無代價的未標記樣本能

2、夠獲得令人滿意的學習效果和泛化能力。半監(jiān)督學習在視頻跟蹤、網頁分類、醫(yī)學圖像分析、智能交通、生物信息學等領域都有著廣泛的應用。
　　 本文對相似性度量、協(xié)同訓練和基于群論的機器學習等方面進行深入討論,并應用到圖像分類和檢索領域,主要完成了以下工作:
　　 (1)分析了半監(jiān)督學習的研究現(xiàn)狀,對各種算法之間的聯(lián)系和區(qū)別進行了比較。
　　 (2)提出了一種嵌入知識的相似性度量算法,使圖的構造能夠融入樣本的空間結構信息,