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(bào)或認(rèn)領(lǐng)
文檔簡介
1、維數(shù)約簡是機(jī)器學(xué)習(xí)中的重要問題,本文著重介紹了該領(lǐng)域中四個(gè)問題的研究成果:
流形學(xué)習(xí)作為非監(jiān)督、非線性降維方法曾一度廣為關(guān)注,如何對多樣的流形學(xué)習(xí)算法進(jìn)行合理的分類與評估一直是難以解決的問題。我們提出了一個(gè)基于算法設(shè)計(jì)思想的分類方法將常見的算法分為保距映射、圖嵌入與統(tǒng)計(jì)方法三類,我們分別討論了每類方法共同的優(yōu)點(diǎn)以及不足;之后我們分幾個(gè)方面對這些算法進(jìn)行了評估:我們仔細(xì)的分析了常見算法的復(fù)雜性;討論了譜與維數(shù)的關(guān)系;分析了噪聲對
2、每類方法產(chǎn)生的影響;解釋了參數(shù)空間存在空洞時(shí)對算法的影響;使用鄰域保持率分析了算法能否保持流形拓?fù)浣Y(jié)構(gòu);提出了使用放大因子、主延展方向以及一些定量準(zhǔn)則用于分析流形學(xué)習(xí)算法更細(xì)致的特性。作為這些分析的一個(gè)簡單應(yīng)用,我們針對人臉識別問題,從諸多算法中選擇了較合適的流形學(xué)習(xí)算法進(jìn)行降維,并獲得了較傳統(tǒng)線性降維算法更好的識別率。
圖嵌入算法是流形學(xué)習(xí)的一個(gè)重要的分支(見第2章),它的參數(shù)化(包括線性化和核化兩個(gè)過程)為我們提供了一個(gè)完
3、整的降維框架。核化產(chǎn)生了一個(gè)計(jì)算代價(jià)為O(N3)的問題,這阻礙了該方法在大規(guī)模數(shù)據(jù)上的應(yīng)用。我們提出使用AP初始化κ均值獲得代表元進(jìn)行近似的算法,由于我們的方法能夠更好的控制量化誤差,在相同代表元個(gè)數(shù)時(shí)能得到對Gram矩陣更好的逼近;我們分析了對不同部分譜逼近的程度,并通過實(shí)驗(yàn)說明不同應(yīng)用需要對不同譜進(jìn)行逼近。我們還給出了對映射逼近的誤差界,并證明該誤差界一樣被量化誤差所控制;相對于對Gram矩陣的逼近,這種方式在PKLR與圖嵌入算法上
4、有著更直觀的解釋,我們的實(shí)驗(yàn)也表明圖嵌入上該方法獲得的解更好且參數(shù)更少。我們前期的工作比較了一些線性化圖嵌入算法的特點(diǎn);利用近似算法我們在大規(guī)模問題上比較了這些核化圖嵌入算法,我們得出了一些有意思的結(jié)論,如:求最小特征值的圖嵌入算法不適合使用譜下降較快的核函數(shù)進(jìn)行核化;局部性的模型可以通過局部性的核函數(shù)得到類似的效果。
我們利用基于核方法構(gòu)造的獨(dú)立性準(zhǔn)則設(shè)計(jì)了一種監(jiān)督維數(shù)約簡算法,分析表明它可以做為充分維數(shù)約簡算法如KDR的一
5、種近似。但是相對于KDR每次迭代需要O(N3)的時(shí)間復(fù)雜度,我們的算法僅需要O(N2)與一次N階矩陣乘法的時(shí)間,具有更低的計(jì)算代價(jià)。我們在一些模擬數(shù)據(jù)上討論了我們的方法可能存在的問題,但是使用真實(shí)數(shù)據(jù)的多數(shù)實(shí)驗(yàn)中,我們的方法可以給出與KDR類似的結(jié)果。我們還討論了使用HSIC統(tǒng)計(jì)量確定SDR投影空間維數(shù)的上界的方法,這個(gè)問題在多數(shù)文獻(xiàn)中都沒有給出較合理的解決方案。我們進(jìn)一步討論了這類算法與圖嵌入算法之間的聯(lián)系,發(fā)現(xiàn)圖嵌入算法可以為其提供
6、較好的初始值,以此減少隨機(jī)搜索的次數(shù)。為了能讓這類模型能夠處理非監(jiān)督信息,我們?yōu)樵P吞砑恿薒aplace光滑子,通過實(shí)驗(yàn)發(fā)現(xiàn)在較低維投影時(shí)能夠獲得較僅利用監(jiān)督信息的模型更好的結(jié)果。最后我們提出了使用這類算法處理非監(jiān)督降維與CCA問題的方法作為今后一個(gè)潛在的研究方向。
在處理一些實(shí)際問題的時(shí)候,數(shù)據(jù)中存在的序關(guān)系往往十分重要,因?yàn)檫@些關(guān)系揭示了數(shù)據(jù)在潛在的流形上的分布,在我們的實(shí)驗(yàn)中也發(fā)現(xiàn)保持序關(guān)系能夠改善分類器的泛化能力。我
7、們第一次將這類問題從傳統(tǒng)分類問題中分離出來,稱之為趨勢學(xué)習(xí)。我們比較了趨勢學(xué)習(xí)與其他傳統(tǒng)學(xué)習(xí)問題的異同點(diǎn),如分類是對分界面建模,而趨勢學(xué)習(xí)是對狀態(tài)之間的遷移過程建模。通過對傳統(tǒng)線性模型SVM與PKLR的仔細(xì)比較,我們認(rèn)為后者能更方便地用于對趨勢學(xué)習(xí)建模。這樣我們獲得了一個(gè)DAG正則化的PKLR模型,由于其約束非凸,我們給出了一個(gè)使用CCCP求解的算法。為了驗(yàn)證我們想法的合理性,我們在兩組模擬數(shù)據(jù)和兩組真實(shí)數(shù)據(jù)上進(jìn)行了實(shí)驗(yàn),結(jié)果說明在標(biāo)注
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(shí)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。
最新文檔
- 低秩矩陣恢復(fù)在維數(shù)約簡中的研究與應(yīng)用.pdf
- 信息表屬性約簡若干問題新研究.pdf
- 關(guān)于齊次Moran集維數(shù)的若干問題研究.pdf
- 對角映射的推廣及性質(zhì)和維數(shù)增長若干問題研究.pdf
- 有關(guān)圖的零維數(shù)與二元秩的若干問題.pdf
- 廣義Ramsey數(shù)中若干問題的研究.pdf
- 關(guān)于圖pebbling數(shù)的若干問題研究.pdf
- 四元數(shù)矩陣若干問題的研究.pdf
- 高維數(shù)據(jù)的維數(shù)約簡算法研究.pdf
- 關(guān)于圖size Ramsey數(shù)若干問題的研究.pdf
- 關(guān)于圖的測地?cái)?shù)若干問題的研究.pdf
- 關(guān)于無窮維友矩陣若干問題的研究.pdf
- 二維風(fēng)險(xiǎn)模型的若干問題研究.pdf
- 三維人臉識別若干問題研究.pdf
- 二維破產(chǎn)理論中的若干問題.pdf
- 三維CAD軟件系統(tǒng)的若干問題研究.pdf
- 數(shù)據(jù)降維中若干問題的研究及應(yīng)用.pdf
- 證據(jù)理論在知識約簡中的研究與應(yīng)用.pdf
- 二維條碼識別中若干問題的研究.pdf
- 關(guān)于四元數(shù)代數(shù)與分析若干問題研究.pdf
評論
0/150
提交評論