隨著互聯(lián)網(wǎng)的飛速發(fā)展,數(shù)據(jù)的維度和數(shù)量呈爆炸式增長,高維數(shù)據(jù)的聚類分析問題顯得愈發(fā)重要。傳統(tǒng)的聚類分析方法不能有效地對高維數(shù)據(jù)聚類,因此研究者提出半監(jiān)督聚類集成的方法來解決此類問題。半監(jiān)督聚類集成將半監(jiān)督學習和集成學習應(yīng)用在聚類分析任務(wù)中,能夠顯著地提升高維數(shù)據(jù)聚類結(jié)果的準確性、穩(wěn)定性和魯棒性。然而,當前的半監(jiān)督聚類集成方法存在一些缺點,例如:1)沒有專門設(shè)計有效的方法處理高維數(shù)據(jù)問題;2)不能充分地利用先驗知識,尤其是成對約束信息;3)在聚類集成生成過程中,隨機性太強,沒有采用自適應(yīng)的方法來優(yōu)化生成過程;4)在聚類集成一致性函數(shù)過程中,考慮了所有的聚類成員的結(jié)果,即使有些聚類成員的結(jié)果質(zhì)量很差。為解決這些缺點,本文提出了一種雙重自適應(yīng)的半監(jiān)督聚類集成方法（DASSCE）。DASSCE主要貢獻有:1)提出了一種基于bagging約束的子空間生成方法,該方法使用bagging約束產(chǎn)生一組約束子集,并使用不同的約束子集指導子空間生成。2)設(shè)計了一種自適應(yīng)的約束聚類集成選擇方法,該方法能夠有效地移除聚類結(jié)果中的冗余和噪音劃分結(jié)果。3)采取自適應(yīng)的子空間集合優(yōu)化方法,從而獲得了更好的聚類效果。... 

【文章來源】：華南理工大學廣東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：78 頁

【學位級別】：碩士

【部分圖文】：

維度災(zāi)難

華南理工大學碩士學位論文監(jiān)督的集成學習的集成學習即是原始數(shù)據(jù)集帶有樣例標記，典型的代表tion ensemble）方法。目前工業(yè)界最常用的幾種樹集成模型：rest）、梯度提升決策樹[41]（gradient boosting decisiontree，GBDT）radient boosting）都屬于有監(jiān)督的集成學習。這些樹模型具有泛化數(shù)據(jù)、運行速度快等優(yōu)點，所以一直以來都是工業(yè)界的寵兒。以單介紹一種分類集成模型。如圖 2-1 所示：隨機森林包含兩個部和投票決策過程。首先，隨機森林通過對原始數(shù)據(jù)集使用 boots數(shù)據(jù)子集；然后用每組數(shù)據(jù)子集訓練一棵決策樹，因為有多個數(shù)隨機生成了多棵決策樹，這也是隨機森林的名字由來。最后，對機森林采用投票的方式獲得最終的分類結(jié)果。

下四類：第一類被稱為成對相似性方法，也被稱為協(xié)相關(guān)矩陣的方法。在這類方法中，研究者充分利用數(shù)據(jù)點兩兩之間的共現(xiàn)關(guān)系來結(jié)合多個聚類劃分結(jié)果（可以參考圖2-3 (c)），相關(guān)文獻包括[57-60]。在文獻[57]中，Yang 等人認為每一個聚類劃分的性能有好有壞，所以他們使用了聚類有效性指標來評估每一個劃分結(jié)果，劃分結(jié)果越好的給予越高的權(quán)重，以此來區(qū)別對待每個劃分結(jié)果。最后，他們通過構(gòu)建一個加權(quán)的協(xié)相關(guān)矩陣作為一致性函數(shù)。在文獻[58]中，F(xiàn)red 和 Jain 提出了一種基于證據(jù)積累（evidenceaccumulation）

【參考文獻】：
期刊論文
[1]高分辨率遙感影像的隨機森林變化檢測方法[J]. 馮文卿,眭海剛,涂繼輝,孫開敏,黃偉明.  測繪學報. 2017(11)
[2]基于選擇性聚類集成的圖像目標分類方法[J]. 儲岳中,劉恒,張學鋒,潘祥.  微電子學與計算機. 2017(11)
[3]基于半監(jiān)督聚類集成的未知網(wǎng)絡(luò)協(xié)議識別方法[J]. 林榮強,李鷗,李青,劉琰.  小型微型計算機系統(tǒng). 2016(06)
[4]基于聚類集成的用戶負荷模式識別[J]. 黃劍文,嚴宇平.  計算機應(yīng)用與軟件. 2014(12)
[5]基于半監(jiān)督聚類的免疫入侵檢測算法研究[J]. 王小偉,王素芳.  計算機應(yīng)用與軟件. 2013(02)
[6]基于譜聚類的聚類集成算法[J]. 周林,平西建,徐森,張濤.  自動化學報. 2012(08)
[7]一種基于聚類集成技術(shù)的混合型數(shù)據(jù)聚類算法[J]. 羅會蘭,危輝.  計算機科學. 2010(11)
[8]使用譜聚類算法解決文本聚類集成問題[J]. 徐森,盧志茂,顧國昌.  通信學報. 2010(06)

博士論文
[1]半監(jiān)督低秩矩陣學習及其應(yīng)用[D]. 賀楊成.上海交通大學 2015

碩士論文
[1]基于約束的半監(jiān)督聚類的圖像分割算法研究[D]. 李巧蘭.西安電子科技大學 2014
[2]基于半監(jiān)督集成的遙感圖像的分割和分類[D]. 王婷.西安電子科技大學 2009



本文編號：3333829