維數(shù)約減和半監(jiān)督學(xué)習(xí)研究及在人群數(shù)量估計(jì)的應(yīng)用.pdf

1、維數(shù)約減和半監(jiān)督學(xué)習(xí)一直都是機(jī)器學(xué)習(xí)中兩個(gè)熱門的課題。其中維數(shù)約減希望通過尋找一個(gè)有效的投影矩陣將高維空間中的數(shù)據(jù)投影到低維空間中，同時(shí)低維數(shù)據(jù)還能保持原數(shù)據(jù)的有效信息。半監(jiān)督學(xué)習(xí)主要應(yīng)用于樣本標(biāo)簽難以獲得而樣本卻大量存在的場景，未標(biāo)記樣本在什么情況下能夠幫助學(xué)習(xí)以及如何幫助提高學(xué)習(xí)效率是半監(jiān)督學(xué)習(xí)主要討論的問題。本文在維數(shù)約減方面研究現(xiàn)有兩種不同類型的算法，非監(jiān)督降維方法PCA(Principal component anialysi

2、s)和監(jiān)督降維方法KDR(Kernenl DimensionReduction)，對算法流程進(jìn)行了仔細(xì)研究，并在實(shí)際數(shù)據(jù)集上比較了它們的性能。半監(jiān)督學(xué)習(xí)方面，爭對具有時(shí)序性的數(shù)據(jù)設(shè)計(jì)了能夠利用數(shù)據(jù)時(shí)序拓?fù)潢P(guān)系將未標(biāo)記樣本引入學(xué)習(xí)器中幫助學(xué)習(xí)回歸預(yù)測函數(shù)的半監(jiān)督彈性網(wǎng)。因此本文的主要工作主要體現(xiàn)在以下三個(gè)方面：
　　·研究現(xiàn)有人群密度算法，發(fā)現(xiàn)特征的有效性對數(shù)量估計(jì)有很大的影響，因此爭對性的設(shè)計(jì)了一組能夠有效刻畫人群數(shù)量和密度的內(nèi)容

3、豐富的特征集合。在兩個(gè)數(shù)據(jù)集上進(jìn)行試驗(yàn)，驗(yàn)證了其有效性。
　　·為了從多方面檢驗(yàn)算法，還采集了一個(gè)新的人群數(shù)量數(shù)據(jù)集，我們稱之為Fudan人群數(shù)據(jù)集。與以往數(shù)據(jù)的不同之處在于，該數(shù)據(jù)集受光照的影響，場景更加復(fù)雜，更能檢驗(yàn)算法的魯棒性。
　　·在數(shù)據(jù)集上檢驗(yàn)我們設(shè)計(jì)的算法，盡可能提高算法的準(zhǔn)確度，另外為了使算法能夠方便地在現(xiàn)實(shí)場景中應(yīng)用，我們還加入半監(jiān)督算法減少算法需要的人工干預(yù)。
　　整體而言，文章的內(nèi)容不但涉及機(jī)器學(xué)