基于局部敏感哈希和支持向量機(jī)的半監(jiān)督增量學(xué)習(xí)研究.pdf

1、近年來(lái)，隨著計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)和傳感器技術(shù)的發(fā)展，應(yīng)用軟件和設(shè)備產(chǎn)生了大量的高維數(shù)據(jù)，且規(guī)模呈幾何級(jí)數(shù)增加。這些數(shù)據(jù)大多數(shù)是無(wú)標(biāo)簽樣本或是帶少量標(biāo)簽的樣本，而給大量樣本加標(biāo)簽是非常困難的。同時(shí)半監(jiān)督式增量學(xué)習(xí)作為機(jī)器學(xué)習(xí)中的重要研究方向，對(duì)整個(gè)信息時(shí)代的發(fā)展都有著非常重要地意義。因此本文在研究傳統(tǒng)機(jī)器學(xué)習(xí)算法的基礎(chǔ)上，著重研究了基于支持向量機(jī)半監(jiān)督增量學(xué)習(xí)。本文主要工作和成果如下:
　　(1)查閱了大量國(guó)內(nèi)外參考文獻(xiàn)，討論了現(xiàn)階段半監(jiān)

2、督學(xué)和增學(xué)習(xí)的研究進(jìn)展，闡述了目前機(jī)器算法無(wú)法很好地適應(yīng)復(fù)雜環(huán)境的現(xiàn)狀，并對(duì)機(jī)器學(xué)習(xí)、半監(jiān)督學(xué)習(xí)、支持向量機(jī)理論以及局部敏感哈希理論思想做了簡(jiǎn)要分析，為下文將要展開(kāi)的研究做好理論基礎(chǔ)。
　　(2)分析了幾種常用增量學(xué)習(xí)的不足，提出了一種基于局部敏感哈希的SVM增量學(xué)習(xí)方法。算法首先利用局部敏感哈希能快速查找相似數(shù)據(jù)的特性，在SVM算法的基礎(chǔ)上，篩選出增量中可能成為SV的樣本，然后與已有SV一起作為后續(xù)訓(xùn)練的基礎(chǔ)。最后多個(gè)數(shù)據(jù)集的實(shí)

3、驗(yàn)結(jié)果表明該算法能有效地提高訓(xùn)練學(xué)習(xí)的速度，并能保持有效的準(zhǔn)確率。
　　(3)在對(duì)半監(jiān)督學(xué)習(xí)尤其是TSVM進(jìn)行分析基礎(chǔ)上，提出基于PCA-LSH的TSVM增量學(xué)習(xí)算法。算法篩選出第一次增量中與有標(biāo)簽樣本相似的樣本，通過(guò)TSVM得到SV，并篩選出再次增量中有可能成為SV的無(wú)標(biāo)記樣本，然后與已有SV和有標(biāo)簽樣本一起作為后續(xù)半監(jiān)督增量訓(xùn)練的基礎(chǔ)。最后進(jìn)行實(shí)驗(yàn)仿真，實(shí)驗(yàn)結(jié)果表明該算法提高了訓(xùn)練速度和分類(lèi)精度，尤其在樣本中帶標(biāo)簽樣本比重較小