半监督降维算法的研究及其在医学专家系统中的应用-控制科学与工程专业论文.docxVIP

上海交通大学硕士学位论文 万方数据 半监督降维算法的研究及其在医学专家系统中的应用 摘要 近年来随着信息技术的发展，高维数据在科学界以及产业界出现的 频率越来越高，特别是计算机视觉、模式识别、航空航天以及生物信 息等高新领域。这些数据的高维特性往往会成为我们处理时的障碍， 相关的算法面临着复杂度高导致计算结果不是最优的问题。降维是通 过将数据由高维约减到低维，以揭示数据本身的内在低维结构。它作 为克服“维数灾难”的方法在很多领域中都有着重要的作用。 过去的几十年中，已经有很多降维算法被不断的提出来并被广大研 究者深入研究，常用的像传统的降维算法 PCA 以及 LDA；流形学习算 法 LLE、LED、ISOMAP 以及 LTSA 等。早期的降维算法大多依赖数据样 本的分类信息。然而随着信息技术的发展，很多时候有标签样本不容 易获得，存在着大量的无标签样本。为了充分利用数据样本的信息， 基于半监督思想的降维方法应用也越来越广泛。半监督学习作为近年 来机器学习领域的研究热点之一，已经从最初的半监督分类和半监督 聚类拓展到了半监督回归以及半监督降维等诸多领域。本论文就是基 于一些实际应用，研究了部分半监督降维算法，具体如下： LLE 算法在流形学习领域是非常经典的一种算法，但是其对于多类 样本混合的数据集的降维效果不是很好。（1）作者在基于多流形学习 的基础上对 LLE 进行了改进，并且根据项目需要融合了半监督学习的 思想，提出了其半监督版本。 （2）标签传播算法（LP）是一种基于图的半监督学习算法，其核 心思想是通过保持原始数据间的某些特定结构，将部分有标签样本的 标签信息通过某些方法传递给无标签样本，直到全局稳定状态。在基 于标签传播算法的基础上，作者结合了局部线性嵌入算法的局部重构 的思想，对基于判别信息的局部排列做了改进，提出了其半监督版本， 采用流形结构上的重构权重结合部分标签信息已知的样本进行标签传 播，利用传播后获得的全体数据软标签信息作为类别信息。并对该改 进后的算法以及传统的半监督降维算法进行了实验对比分析。 （3）近年来，医学辅助诊断系统一直是一个非常热门的话题，其 在辅助诊断上的强大能力得到了医生以及病人的肯定，对医学诊断的  发展也起着非常重要的推动作用，同时，病例数据的特殊性，也推动 着数据降维，特征选择等一系列数据挖掘工作的研究。在众多的医学 辅助诊断系统中，应用最广的当属基于图像的辅助诊断系统以及基于 病例输入特征的辅助诊断系统。由于超声图像的强噪声特性，其在基 于图像的辅助诊断上仍在探索阶段，但是基于输入特征的辅助诊断效 果已经较让人满意。本文就是针对输入病例特征对超声医学图像进行 辅助诊断。 关键词：降维，流形学习，机器学习，半监督学习  RESEARCH ON SEMI-SUPERVISED DIMENSIIONALITY REDUCTION ALOGORITHMS AND ITS APPLICATIONS IN MEDICAL EXPERT SYSTEM ABSTRACT With the development of information technology in recent years, the emerging of high-dimensional data in the scientific community as well as industry is becoming more and more frequently, especially the high-tech field of computer vision, pattern recognition, aerospace, bio-informatics. The these data Witt often become obstacles when we deal with related algorithms are facing high complexity cause the calculation results are not optimal. Dimensionality reduction through the data with high dimensional approximately reduced to a low-dimensional to reveal the inherent low-dimensional structure of the data itself. It as a way to overcome the curse of dimensionality plays an important role in many areas. In the past few