數(shù)據(jù)維數(shù)約簡及分類算法研究

《數(shù)據(jù)維數(shù)約簡及分類算法研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、’＇？；＇’式，－＊；＂；／瓜／，品巧礦獻(xiàn)．．＇，．、．、：ｐ’Ａ：＾，、吟，時‘．．、．，、．－．Ｖｔ．級分類號知．密．、＇ｆ見古‘．１０１５４ＵＤＣ＼單位代碼、．＊ＡＩ！；Ｘ．’．，－‘‘礦．＇，．Ｉ：－Ｖ‘矣、－戶ｆ；；濟氣‘＇工業(yè)大學(xué)文ｉｌ寧＜：＞＾＾碩±學(xué)位論文寒馬婦＾＂．．，，．Ｉ－數(shù)據(jù)維數(shù)約簡及分類算法研究＇＇■Ｋ：、／－＇若Ｕ＇；ｆ專業(yè)：通信與信息系統(tǒng)＇研究生：周勇、．、，ａｙ．Ｉ—指導(dǎo)教師：蔡希朦副教授＾，／＇；、；、

2、興．＇；、Ｖ■；、嘴＇ＶＵ．一／＇—＇、：？＼．‘．．．．、、，．：；Ｋ：、‘；’’，’：、＾．、Ｉ．／李Ｗｉｎ－－、、－‘Ｗ．／－、、－＼‘，，—ｊ’‘＇＇－．護＇’Ｖ冷．ｔｏ．；；．六隹月；；．基．別＇．．？一＾？‘５、，＇１＇己．．？－．．＞ｎ，／、；－．．．、４．＇，ＡＷＪ、．、—．’＇‘滬爲(wèi)＾藏％—獨創(chuàng)性聲明本人聲明所呈交的論文是我個人在導(dǎo)師指導(dǎo)下進行的研究工作及取得的研究成果。盡我所知，除了文中特別加ｙＡ標(biāo)注和致謝的地方外，論文中，不包含

3、其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得遷寧王業(yè)大學(xué)或其他教育機構(gòu)的學(xué)位或證書而使用過的材料一同工作的同志對本研究所作的任。與我何貢獻(xiàn)均已在論文中作了明確的說明并表示了謝意。研究生簽名：年月＾曰５爭關(guān)于論文使用授權(quán)的說明本人完全了解遷寧工業(yè)大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，目Ｐ：學(xué)校有權(quán)保留送交的復(fù)印權(quán)，允許論文被查閱和借閱學(xué)?？桑坠颊撐牡娜炕虿浚崳姡环謨?nèi)容，可Ｗ采用影印、縮印或其他復(fù)制手段保存論文。（保密的論文在解密后應(yīng)遵守此規(guī)定）研究生簽名：導(dǎo)師簽名；黎餐?。崳姡荆薄赌?？月方曰ＩMasterThesisDataDimensio

4、nalityReductionandClassificationAlgorithmsSpeciality:CommunicationandInformationSystemsCandidate:ZHOUYongSupervisor:AssociateProfessorCAIXi-biaoLiaoningUniversityofTechnologyJinzhou,121001,ChinaMarch2016摘要遼寧工業(yè)大學(xué)碩士學(xué)位論文摘要隨著信息技術(shù)的發(fā)展，涌現(xiàn)出海量數(shù)據(jù)，推動了機器學(xué)習(xí)理論不斷地向前發(fā)展。樣本數(shù)據(jù)維數(shù)越高，數(shù)據(jù)存儲越困難，同時數(shù)據(jù)的計算量也越大；此外，數(shù)據(jù)中還存在著噪聲或

5、者冗余特征。因此，如何降低高維數(shù)據(jù)的維數(shù)，避免“維數(shù)災(zāi)難”問題，提高數(shù)據(jù)的分類精度，已經(jīng)成為機器學(xué)習(xí)領(lǐng)域關(guān)注的一個熱點問題。非負(fù)矩陣分解作為一種矩陣分解算法，約束待分解矩陣中和因式分解獲得的矩陣中所有的元素為非負(fù)。這種非負(fù)性約束具有明確的物理意義，使得非負(fù)矩陣分解作為一種維數(shù)約簡算法得到了廣泛關(guān)注。同時，半監(jiān)督學(xué)習(xí)（semi-supervisedlearning）由于能夠同時利用少量的已知標(biāo)記樣本和大量未標(biāo)記樣本數(shù)據(jù)進行有效的學(xué)習(xí)，大大克服了有監(jiān)督學(xué)習(xí)算法中樣本數(shù)量不足問題，提高了分類的精度，因而半監(jiān)督學(xué)習(xí)方法在圖像分類、文本分類及郵件分類等問題中得到了普遍的運用。論文集成基于非負(fù)矩陣

6、分解的維數(shù)約簡算法和基于半監(jiān)督學(xué)習(xí)的分類算法，首先提出了一種基于非負(fù)矩陣分解與一致性學(xué)習(xí)的半監(jiān)督學(xué)習(xí)算法。然后，在非負(fù)矩陣分解過程中引入類別信息，提出了一種基于約束非負(fù)矩陣分解與一致性學(xué)習(xí)的半監(jiān)督分類算法。該算法在降維過程中引入少量已知標(biāo)簽類別信息作為約束條件，增強數(shù)據(jù)降維后的特征表示能力。最后，引入類別之間的依賴性，提出了一種基于構(gòu)建類別圖的維數(shù)約減的半監(jiān)督學(xué)習(xí)算法。該算法分別在樣本與樣本之間、類與類之間創(chuàng)建圖，構(gòu)建基于圖的正則化框架，再通過求解Sylvester方程得到未標(biāo)記樣本的標(biāo)簽。在公開數(shù)據(jù)集上的實驗結(jié)果表明，論文算法在充分利用少量已知標(biāo)簽的同時用于數(shù)據(jù)的維數(shù)約簡，不僅能有效

7、地降低了數(shù)據(jù)的維度，還能夠有效地提高分類器的泛化能力。關(guān)鍵詞：機器學(xué)習(xí)；維數(shù)災(zāi)難；維數(shù)約簡；半監(jiān)督學(xué)習(xí)；Sylvester方程IAbstract遼寧工業(yè)大學(xué)碩士學(xué)位論文AbstractWiththedevelopmentofinformationtechnology,hugeamountsofdatahaveconstantlysprungup,whichpushesforwardthetheoryofmachinelearning.Thehi