- 1、本文档共24页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于半监督学习方法的研究
摘 要
近几年来随着机器学习在数据分析和数据挖掘中的广泛应用,半监督学习的理论研究成果已经部分应用于实际问题的解决。半监督学习(Semi-supervised Learning)是模式和机器学习中的重要研究领域,一直为国际机器学习界所广泛关注GCM算法的性能最优,而使用欧几里得度量的GCM算法的性能最差;另外,不同度量中的参数取值对算法的性能具有一定的影响。
关键词:GCM CM
ABSTRCAT
With Machine learning methods being widely applied for real world data analysis and data mining, semi-supervised learning has been introduce for solving more and more real world problems.Semi-supervised learning, which combines information from both labeled and unlabeled data for learning tasks, has drawn wide attention.
We consider the general problem of learning from labeled and unlabeled data,which is often called semi-supervised learning or transductive inference.A principled approach to semi-supervised learning is to design a classifying function which is suf_ciently smooth with respect to the intrinsic structure collectively revealed by known labeled and unlabeled points. Experimental results show that performance of GCM algorithm for using the exponential measure is superior to other measures and performance of GCM algorithm for using the Euclidean measure is inferior to other measures. Moreover, arguments for different measures impact on the performance of algorithm.
Key words:Semi-supervised Machine learing GCM CM
目 录
一 引言 1
1.1研究背景和意义 1
1.1.1研究背景 1
1.1.2研究意义 1
1.2国内外研究现状 1
1.3研究内容 2
1.4论文组织与安排 2
二 半监督学习算法 3
2.1朴素贝叶斯分类器 3
2.1.1贝叶斯法则 3
2.2.2 朴素贝叶斯分类器学习 3
2.2 k-近邻算法 4
三 常用的度量方法 6
3.1加权s阶Minkowski度量 6
3.2非线性度量 6
3.3 K近邻度量 6
3.4指数度量 6
3.5双曲正切度量 7
四 基于核策略的半监督学习算法 8
4.1 CM算法 8
4.2 GCM算法 8
五 总体设计与详细设计 10
5.1总体设计 10
5.2 详细设计 10
六 实验研究与分析 13
6.1实验数据 13
6.1.1 CM算法实验数据 13
6.1.2 GCM算法实验数据 14
6.2实验方法 14
6.2.1 CM实验方法 14
6.2.2 GCM实验方法 14
6.3 实验结果与分析 15
七 结论 17
谢 辞 18
参考文献 19
一 引言
1.1研究背景和意义
1.1.1研究背景
当前社会已进入高速发展的信息化时代,每天面对的数据大量而繁琐,数据分类的工作越来越重要。在传统的监督学习中,学习器通过对大量有标记的训练例进行学习,从而建立模型用于预测未见示例的标记。目前,利用未标记示例的主流学习技术主要有半监督学习和主动学习,但是它们的基本思想却有显著不同。在半监督学习中,学习器自行利用未标记示例,学习过程无人工干预。主动学习假设学习器对环境有一定的控制能力,可以主动向学习器之外的神谕(可以是人,也可以是能够为示例提供真是标记的其它过程 )
您可能关注的文档
- 毕业论文(设计)_基于stm32的信号发生器设计.doc
- 毕业论文(设计)_基于stm32的指纹识别系统单片机最终版 .doc
- 毕业论文(设计)_基于stm32的智能失物招领系统设计专业外文文献译文及原文.doc
- 毕业论文(设计)_基于tcp ip的终端数据采集与传输模块的设计.doc
- 毕业论文(设计)_基于ti处理器c2000的自主探测公交车 .doc
- 毕业论文(设计)_基于ug与ansys的节能车(hljit3a型)结构优化设计.doc
- 毕业论文(设计)_基于vb的超市销售管理系统的设计与实现.doc
- 毕业论文(设计)_基于vc的模糊pid控制模块设计.doc
- 毕业论文(设计)_基于web的文件服务器的设计与实现大学生毕业论文.doc
- 毕业论文(设计)_基于wincc和s7300的温度测控系统 .doc
文档评论(0)