半監(jiān)督支持向量機(jī)學(xué)習(xí)算法研究.pdf_第1頁
已閱讀1頁,還剩123頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

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(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、支持向量機(jī)是Vapnik等在統(tǒng)計學(xué)習(xí)理論基礎(chǔ)上發(fā)展起來的針對小樣本的新型機(jī)器學(xué)習(xí)方法。該方法由于具有較強(qiáng)的泛化能力、方便對高維數(shù)據(jù)操作而得到了日益廣泛的研究和應(yīng)用。傳統(tǒng)的基于監(jiān)督學(xué)習(xí)的分類方法,雖然能夠有效地解決各種實際問題,但是需要手工對大量樣本進(jìn)行標(biāo)記以獲取足夠的訓(xùn)練樣本,代價高,效率低。因此,根據(jù)實際需要研究人員又提出了基于半監(jiān)督學(xué)習(xí)的分類方法。這類方法能夠自動(或半自動)地對有標(biāo)簽樣本和無標(biāo)簽樣本的混合樣本集進(jìn)行數(shù)據(jù)分類,在提高

2、效率的同時擴(kuò)大了算法的適用范圍。然而,半監(jiān)督支持向量機(jī)學(xué)習(xí)是機(jī)器學(xué)習(xí)領(lǐng)域中相對比較新的理論,它在很多方面尚不成熟、不完善,需要進(jìn)一步地研究和改進(jìn)。本文主要從半監(jiān)督支持向量機(jī)兩分類學(xué)習(xí)算法、基準(zhǔn)學(xué)習(xí)算法以及多分類學(xué)習(xí)算法三方面對半監(jiān)督支持向量機(jī)學(xué)習(xí)算法展開研究,充分發(fā)揮半監(jiān)督支持向量機(jī)的優(yōu)勢和潛力。
   首先,針對半監(jiān)督支持向量機(jī)學(xué)習(xí)算法訓(xùn)練時間代價大的問題,提出最小二乘支持向量機(jī)半監(jiān)督學(xué)習(xí)算法。在迭代過程中以最小二乘支持向量機(jī)

3、為學(xué)習(xí)模型,充分利用和發(fā)揮最小二乘支持向量機(jī)學(xué)習(xí)算法訓(xùn)練速度快、效率高等優(yōu)點提高半監(jiān)督支持向量機(jī)算法的訓(xùn)練速度。然后,采用區(qū)域標(biāo)注法對無標(biāo)簽樣本進(jìn)行迭代的標(biāo)注,提高無標(biāo)簽樣本的標(biāo)注效率,在迭代過程中將有標(biāo)簽樣本集和半標(biāo)記樣本集一同進(jìn)行訓(xùn)練。仿真實驗結(jié)果表明,最小二乘支持向量機(jī)半監(jiān)督學(xué)習(xí)算法可以有效的降低訓(xùn)練時間。
   其次,針對由局部最優(yōu)化引起的半監(jiān)督支持向量機(jī)學(xué)習(xí)算法在同一數(shù)據(jù)集上參數(shù)敏感、最優(yōu)解差異大,以及基于全局最優(yōu)化技

4、術(shù)的基準(zhǔn)學(xué)習(xí)算法時間復(fù)雜度高的問題,提出一種改進(jìn)的分枝定界半監(jiān)督支持向量機(jī)學(xué)習(xí)算法。該算法重新對結(jié)點的下界進(jìn)行定義,將偽對偶函數(shù)的值作為結(jié)點的下界,避免了計算量較大的0-1二次規(guī)劃,降低了各結(jié)點計算下界的時間復(fù)雜度;同時,依據(jù)無標(biāo)簽樣本的樣本可信度確定分枝結(jié)點,避免了多次支持向量機(jī)訓(xùn)練,提高了算法的訓(xùn)練速度。仿真實驗分析表明該算法同其它半監(jiān)督支持向量機(jī)學(xué)習(xí)算法相比具有精度高、參數(shù)不敏感的優(yōu)點,并且具有較快的訓(xùn)練速度。本文利用多主機(jī)協(xié)同訓(xùn)

5、練實現(xiàn)算法的并行化,提出一種分枝定界半監(jiān)督支持向量機(jī)并行學(xué)習(xí)算法,仿真實驗表明該算法具有較好的加速比,在訓(xùn)練速度上有明顯的提升。
   最后,針對半監(jiān)督學(xué)習(xí)中有標(biāo)簽樣本數(shù)據(jù)較少,多分類問題實施困難,多分類精度低的問題,提出一種半監(jiān)督支持向量數(shù)據(jù)域描述多分類學(xué)習(xí)算法。算法通過定義非目標(biāo)樣本的隸屬度得到非目標(biāo)樣本的接受標(biāo)簽與拒絕標(biāo)簽,在此基礎(chǔ)上采用半監(jiān)督支持向量數(shù)據(jù)域描述學(xué)習(xí)算法構(gòu)造多個超球體,將一個k分類問題轉(zhuǎn)化為k個單分類問題,

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(yù)覽,若沒有圖紙預(yù)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(hù)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(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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。

評論

0/150

提交評論