2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩60頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、半監(jiān)督學習是一種應用驅動而產生的機器學習方法,已經成為人工智能和模式識別領域的研究熱點之一。作為該領域的主要分支,半監(jiān)督聚類將給定的少量監(jiān)督信息引入最優(yōu)聚類的搜索過程中,來改善算法性能;半監(jiān)督分類試圖挖掘無標記樣本所隱含的有用信息來輔助分類器的訓練。近年來,研究學者們不斷提出了各種半監(jiān)督聚類或分類方法,并將其應用于自然語言處理、圖像處理和生物特征識別等實際領域中。
  Tri-training算法作為協(xié)同訓練機制的代表性算法,雖然

2、能夠利用分類器完成對無標記樣本的標注,但是它需要給定足夠多的有標記樣本來保證初始得到的分類器具有較大的差異性,同時也無法處理監(jiān)督信息中包含成對約束的情形。
  因此,鑒于上述不足,本文以Tri-training算法為出發(fā)點,研究當給定不同形式的監(jiān)督信息時,如何有效選取并標注無標記樣本,來實現(xiàn)半監(jiān)督聚類和半監(jiān)督分類。
  主要內容包括以下三個方面:
  (1)針對監(jiān)督信息中既給定有標記樣本又包含成對約束的情形,設計了一種

3、基于Tri-training的半監(jiān)督聚類算法。該算法首先結合Tri-training方法,選取某些無標記樣本并提供類別標記,來增加原始有標記樣本的數量;然后利用樣本間的約束關系來優(yōu)化擴充得到的有標記樣本集,以改善其質量;最后根據優(yōu)化后的有標記樣本集來獲取K-Means算法所需的類中心,同時在聚類的過程中,運用成對約束對每一次的劃分結果進行調整。通過與K-Means、Seeded-K-Means和COP-K-Means算法的比較實驗表明,

4、提出的算法能夠充分利用給定的監(jiān)督信息,并得到較好的聚類結果。
  (2)針對監(jiān)督信息中只給定少量有標記樣本的情形,提出了一種基于Tri-training和少量標記樣本的主動半監(jiān)督分類算法。該算法借鑒主動學習思想,從無標記樣本集中選取最有可能被錯誤標記和最有可能代表類特征的樣本,交由專家用戶進行標注,來增加原始有標記樣本的數量。對比實驗表明,當給定的初始有標記樣本數量很少,Tri-training算法無法取得滿意的效果時,提出的算法

5、能夠獲得具有較好分類能力的學習模型。
  (3)針對監(jiān)督信息中只給定成對約束的情形,給出了一種基于Tri-training和成對約束的主動半監(jiān)督分類算法。該算法運用樣本間的約束關系從中選擇有價值的樣本交由專家用戶進行標注,來得到有標記樣本集;同時在半監(jiān)督分類的過程中,利用成對約束優(yōu)化每次用于重新訓練分類器的有標記樣本集,以提高數據使用的安全性。實驗結果表明,與Tri-training方法相比,提出的算法能夠有效處理監(jiān)督信息包含成對

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。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,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確性、安全性和完整性, 同時也不承擔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