

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、數(shù)據(jù)的爆炸式增長、廣泛可用和巨大數(shù)量使得我們的時代成為真正的數(shù)據(jù)時代。在數(shù)據(jù)量增長的同時,數(shù)據(jù)的表現(xiàn)形式也越來越多樣化,具有多種表現(xiàn)形式的數(shù)據(jù)稱之為多視角數(shù)據(jù)。如何對高維數(shù)據(jù)進行降維以提高后續(xù)分類算法的性能,如何利用多視角數(shù)據(jù)各視角相容、互補的性質對多視角數(shù)據(jù)進行正確的分類是當前的研究熱點。本文對特征選擇算法和多視角學習進行了深入研究,提出了基于全局最小冗余的多視角協(xié)同訓練算法,通過對UCI中的3個多視角數(shù)據(jù)集的分類實驗,驗證了算法的有
2、效性。
本文對多視角數(shù)據(jù)特征選擇采用了逐個視角進行特征選擇的策略。在基于全局最小冗余的基礎上對多視角數(shù)據(jù)進行了特征選擇,重點考慮了特征在全局上的最小冗余性。在對多視角數(shù)據(jù)進行數(shù)據(jù)降維后,考慮到在實際應用中,每個視角都往往會受到屬性退化和噪聲的影響而沒有充足的信息用于分類,提出了基于全局最小冗余的多視角協(xié)同訓練算法。在協(xié)同訓練的過程中,改進了傳統(tǒng)的協(xié)同訓練算法,我們把每個未標記數(shù)據(jù)通過分類器標記的標簽信息都記錄下來,分類器經(jīng)過更
3、新后重新對這些數(shù)據(jù)進行標記,如果前后標簽信息不一致則刪除這些數(shù)據(jù)從而提高算法的性能。該算法重點探索蘊含于多視角數(shù)據(jù)中的互補信息和關系,利用少量標記數(shù)據(jù)蘊含的信息協(xié)同未標記數(shù)據(jù)訓練分類器,對多視角數(shù)據(jù)進行分類,用于處理“部分標記”的多視角數(shù)據(jù)。
本文的實驗選取的數(shù)據(jù)集為UCI中的3個多視角數(shù)據(jù)集。因為協(xié)同訓練需要在每個視角上分別訓練一個分類器,因此實驗首先在兩個分類器都是支持向量機的情況下對基于全局最小冗余的多視角協(xié)同訓練算法和
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(wǎng)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(jīng)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。
最新文檔
- 基于最大相關最小冗余的特征選擇算法研究.pdf
- 基于全局能量最小化的立體匹配算法研究.pdf
- 最大相關最小冗余的無監(jiān)督特征選擇算法的研究及其應用.pdf
- 基于信息熵的全局多序列比對算法研究.pdf
- 基于多GPU的協(xié)同過濾推薦算法研究及應用.pdf
- 基于全局光照算法的實時渲染組件研究與應用.pdf
- 基于樣本去噪的協(xié)同訓練算法研究.pdf
- 基于用戶情境的協(xié)同推薦算法研究與應用.pdf
- 基于多基站協(xié)同的跟蹤定位算法研究.pdf
- 基于分形的全局優(yōu)化算法及其應用.pdf
- 基于最小音素錯誤(MPE)訓練算法的語音識別技術的研究.pdf
- 基于遺傳算法的協(xié)同過濾算法的研究與應用.pdf
- 基于加權最小范數(shù)法的冗余機械臂控制研究.pdf
- 基于最大最小距離法的多中心聚類算法研究.pdf
- 基于Spark的協(xié)同過濾算法的研究與應用.pdf
- 基于增強協(xié)同訓練算法的語音情感識別.pdf
- 基于最小化訓練誤差的子空間分類算法研究.pdf
- 最小割最大流算法的研究與應用.pdf
- 基于多代理的網(wǎng)絡安全協(xié)同的研究與應用.pdf
- 最小閉包球SVM算法的研究與應用.pdf
評論
0/150
提交評論