基于稀疏性的機(jī)器學(xué)習(xí)方法研究.pdf

1、隨著信息技術(shù)的飛速發(fā)展，機(jī)器學(xué)習(xí)已經(jīng)發(fā)展成為當(dāng)前人工智能領(lǐng)域的研究熱點(diǎn)之一。稀疏性理論已被成功應(yīng)用于許多機(jī)器學(xué)習(xí)方法中。核學(xué)習(xí)和譜圖理論易于理解且具有較強(qiáng)推廣能力，是當(dāng)今機(jī)器學(xué)習(xí)領(lǐng)域的熱點(diǎn)問題。本文將稀疏性引入到核函數(shù)的構(gòu)造和圖矩陣的構(gòu)造問題中，構(gòu)造了幾種稀疏學(xué)習(xí)算法，采用標(biāo)準(zhǔn)測(cè)試問題驗(yàn)證了其性能。研究?jī)?nèi)容主要包括以下幾方面：
　　 (1)在現(xiàn)有的稀疏編碼分類算法的基礎(chǔ)上，提出一種稀疏中心核編碼分類算法。該方法首先通過k近鄰思想

2、在字典中選擇中心樣本，然后利用所有中心樣本構(gòu)造稀疏核函數(shù)，將字典和測(cè)試樣本通過稀疏核函數(shù)映射至特征空間，最后在特征空間內(nèi)對(duì)映射后的測(cè)試樣本進(jìn)行稀疏編碼，利用得到的稀疏系數(shù)和誤差判別函數(shù)進(jìn)行分類。由于核映射時(shí)使用的是稀疏核函數(shù)，既增強(qiáng)了數(shù)據(jù)的可分性又減少了計(jì)算核函數(shù)的次數(shù)，使得該算法既能達(dá)到較高的識(shí)別精度，又能減少識(shí)別消耗時(shí)間。在常用的標(biāo)準(zhǔn)人臉數(shù)據(jù)庫和手寫體數(shù)字?jǐn)?shù)據(jù)庫上進(jìn)行的仿真實(shí)驗(yàn)驗(yàn)證了該算法的有效性。
　　 (2)提出了一種基

3、于核l1圖的半監(jiān)督分類算法。在現(xiàn)有的l1圖方法的基礎(chǔ)上，通過引入核的思想，使得線性不可分的樣本在特征空間內(nèi)變得線性可分。將核l1圖方法構(gòu)造的圖矩陣與半監(jiān)督分類方法結(jié)合，構(gòu)造了基于核l1圖的半監(jiān)督分類。由于獲得的圖矩陣增強(qiáng)了同類樣本間的相似性以及不同類樣本之間的差異性，因此在后續(xù)分類中可獲得更高的分類正確率。在標(biāo)準(zhǔn)人臉數(shù)據(jù)庫和手寫體數(shù)字?jǐn)?shù)據(jù)庫上進(jìn)行實(shí)驗(yàn)仿真，結(jié)果顯示：與同類算法相比，分類正確率有明顯提高。
　　 (3)提出了一種基