基于聚類(lèi)的覆蓋優(yōu)化方法及其在協(xié)作式搜索中的應(yīng)用.pdf

1、基于覆蓋的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法大多數(shù)都屬于示例學(xué)習(xí),本文提出一種新的求覆蓋方法——反饋式觀察學(xué)習(xí)方法。其思想是利用聚類(lèi)的方法求簇(覆蓋),然后對(duì)其學(xué)習(xí)的結(jié)果進(jìn)行指導(dǎo)反饋,其本質(zhì)是一種有師指導(dǎo)學(xué)習(xí)過(guò)程中指導(dǎo)推遲的學(xué)習(xí)方式。形成的覆蓋形狀可以是多樣的,覆蓋數(shù)大大減少,優(yōu)化了覆蓋領(lǐng)域,實(shí)驗(yàn)證明其有效性和抗噪聲能力。
　　本文先從覆蓋的基本概念出發(fā),分析了各種覆蓋優(yōu)化算法的特點(diǎn),并對(duì)最優(yōu)覆蓋的概念進(jìn)行了初步的探討,得出最優(yōu)覆蓋的幾個(gè)原則。緊接

2、著對(duì)傳統(tǒng)的求覆蓋方法提出問(wèn)題,簡(jiǎn)要分析問(wèn)題的原因后提出可以利用聚類(lèi)方法的特點(diǎn)去克服這些問(wèn)題,即用聚類(lèi)的方法來(lái)求取覆蓋,在對(duì)聚類(lèi)方法簡(jiǎn)要的介紹后提出基于聚類(lèi)的覆蓋優(yōu)化方法(A Learning Algorithm of Optimum Covering Based on Clustering),簡(jiǎn)稱(chēng)CbC,并通過(guò)實(shí)驗(yàn)驗(yàn)證了該算法的有效性和可行性。最后,通過(guò)對(duì)實(shí)驗(yàn)的分析,提出把聚類(lèi)求覆蓋的方法與普通求覆蓋的方法結(jié)合起來(lái)形成基于聚類(lèi)優(yōu)化覆蓋的

3、集成學(xué)習(xí)方法,通過(guò)實(shí)驗(yàn)證明了其有效性,并在文本分類(lèi)實(shí)驗(yàn)中也有較好的準(zhǔn)確率。
　　基于聚類(lèi)的覆蓋優(yōu)化方法在文本分類(lèi)中也有著不錯(cuò)的準(zhǔn)確率,所以把其應(yīng)用到全文搜索中的文本分類(lèi)。本文是利用P2P的技術(shù)實(shí)現(xiàn)點(diǎn)點(diǎn)之間相互協(xié)作搜索,并對(duì)搜索的結(jié)果進(jìn)行歸類(lèi),方便用戶(hù)分類(lèi)查找?；赑2P的搜索也是近年來(lái)搜索研究的一個(gè)熱點(diǎn)。
　　論文所做的工作如下:
　　(1)本文主要是把聚類(lèi)方法引入到覆蓋的求取中,求得的覆蓋形狀各種各樣,表示形式也是多

4、種多樣的,為覆蓋的求取提供一種新的途徑。
　　(2)聚類(lèi)優(yōu)化覆蓋(CbC)與其它分類(lèi)方法集成起來(lái)形成基于聚類(lèi)優(yōu)化覆蓋的集成學(xué)習(xí)方法,實(shí)驗(yàn)證明其方法的有效性。
　　(3)把聚類(lèi)優(yōu)化覆蓋的集成學(xué)習(xí)方法應(yīng)用于全文搜索中的文本分類(lèi),并應(yīng)用于協(xié)作式搜索,實(shí)現(xiàn)互聯(lián)網(wǎng)上任何兩臺(tái)機(jī)器之間都可以相互協(xié)作搜索,實(shí)現(xiàn)點(diǎn)對(duì)點(diǎn)的信息共享。
　　本文在基于聚類(lèi)優(yōu)化覆蓋算法方面和協(xié)作式搜索方面完成了一定的工作,但是還存在一些不足,今后可以在以下方面