

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),請進行舉報或認領(lǐng)
文檔簡介
1、半監(jiān)督學習和維數(shù)約簡已經(jīng)成為當前機器學習領(lǐng)域的研究熱點。半監(jiān)督學習研究的目的是在整個數(shù)據(jù)集中只有一部分樣本有標記的情況下,如何對數(shù)據(jù)進行分類。本文主要研究的是基于圖的半監(jiān)督學習方法與應用。維數(shù)約簡是在盡可能多地保持數(shù)據(jù)集結(jié)構(gòu)的前提下,將數(shù)據(jù)集轉(zhuǎn)換成一個新的數(shù)據(jù)集,新數(shù)據(jù)集的維數(shù)是原始數(shù)據(jù)集的本征維數(shù)。本文對基于圖的半監(jiān)督學習和維數(shù)約簡方法與應用進行了系統(tǒng)的研究,具體來說,全文的主要工作概括如下:
(1)提出了一種新的多步驟
2、降維方法對基因表達譜數(shù)據(jù)進行降維。首先采用秩和檢驗方法來進行差異表達的基因選擇,然后將排在前面的一定數(shù)量的基因再進行離散余弦變換,并采用主成分分析對變換后的系數(shù)進行主成分提取。我們首先將基于圖的半監(jiān)督方法引入到腫瘤分類中,采用基于圖的半監(jiān)督學習算法對抽取的主成分特征進行分類性能評估。
(2)針對基于圖的半監(jiān)督學習方法提出了一種新的自適應權(quán)值學習方法。傳統(tǒng)的基于圖的半監(jiān)督學習算法大都采用高斯函數(shù)來計算圖的邊權(quán)。我們提出一種新
3、穎的針對基于圖的半監(jiān)督學習方法的邊權(quán)設(shè)計方法。該方法添加了標簽信息,并且采用測地距離而不是歐氏距離來計算兩個樣本點之間的距離。此外,我們還添加了類的先驗信息,并針對基于局部和全局一致性的學習方法來改進邊權(quán)。實驗結(jié)果表明,我們所提出的方法要優(yōu)于原算法。
(3)提出了一種基于局部保持投影的監(jiān)督特征提取方法,即局部保持判別投影算法。局部保持投影(LPP)沒有加入判別信息,僅僅考慮局部信息。我們將類內(nèi)散度矩陣和類間散度矩陣加入到L
4、PP的目標函數(shù)中,從而提出局部保持判別投影(LPDP)方法。該方法的優(yōu)點是能夠最大化類間距離和最小化類內(nèi)距離,同時保持LPP的局部保持特性。LPDP可被看作是一種組合了流形準則和Fisher準則的新方法。因此,與LPP相比,LPDP能夠成功地找到具有更好判別性能的子空間,因而更適合于做分類,從而能有效地提高識別率。
(4)提出了基于譜回歸的判別分析(Spectral Regression Discriminant Anal
5、ysis,SRDA)和基于譜回歸的核化判別分析(Spectral Regression Kernel DiscriminantAnalysis,SRKDA)的正則化參數(shù)估計方法。SRDA的正則化參數(shù)的估計在以往的研究中沒有得到很好的解決。我們基于擾動的線性判別分析(Perturbation LinearDiscriminant Analysis,PLDA)準則提出一種新的方法,來估計SRDA的正則化參數(shù)。在另一方面,SRKDA的正則化參
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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 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)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(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確性、安全性和完整性, 同時也不承擔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
- 基于圖的半監(jiān)督學習和維數(shù)約簡:方法及其應用研究.pdf
- 半監(jiān)督學習方法及其應用研究.pdf
- 半監(jiān)督學習及其應用研究.pdf
- 基于代價敏感學習的維數(shù)約簡方法及其應用研究.pdf
- 基于圖的半監(jiān)督學習算法及其應用.pdf
- 基于半監(jiān)督學習的特征降維方法研究.pdf
- 基于動態(tài)數(shù)據(jù)維數(shù)約簡和半監(jiān)督學習的水泥分解爐生料分解率預報建模.pdf
- 結(jié)構(gòu)半監(jiān)督學習算法及其應用研究.pdf
- 半監(jiān)督學習方法及應用研究.pdf
- 基于圖的半監(jiān)督學習的研究.pdf
- 基于圖半監(jiān)督學習算法的研究及應用.pdf
- 維數(shù)約減和半監(jiān)督學習研究及在人群數(shù)量估計的應用.pdf
- 基于圖的半監(jiān)督學習的改進研究.pdf
- 基于最優(yōu)反預測的半監(jiān)督學習及其應用.pdf
- 基于屬性約簡與半監(jiān)督學習的入侵防御系統(tǒng)研究.pdf
- 基于半監(jiān)督學習的過程建模算法及應用研究.pdf
- 基于半監(jiān)督學習的目標跟蹤方法研究.pdf
- 基于自然鄰居圖的半監(jiān)督學習在圖像檢索技術(shù)的應用研究.pdf
- 基于圖的半監(jiān)督維數(shù)約減算法研究及其應用.pdf
- 基于半監(jiān)督學習的舌色分析方法研究.pdf
評論
0/150
提交評論