本文關(guān)鍵詞：基于非負(fù)矩陣分解的分類算法研究

  更多相關(guān)文章： 非負(fù)矩陣分解 分類算法 半監(jiān)督分類

【摘要】：分類算法是人工智能和機(jī)器學(xué)習(xí)領(lǐng)域的主要研究方向,也是數(shù)據(jù)挖掘技術(shù)中的重要方法。分類指的是,根據(jù)樣本點(diǎn)的特征與類別標(biāo)簽,構(gòu)造一個(gè)有效的分類器,并實(shí)現(xiàn)對(duì)無標(biāo)簽數(shù)據(jù)的類別標(biāo)記。非負(fù)矩陣分解是一種新型的局部特征選擇方法,已經(jīng)成功地應(yīng)用于文本挖掘、圖像識(shí)別以及語音識(shí)別等領(lǐng)域。它通過交替最小化方法,將原始數(shù)據(jù)矩陣分解為兩個(gè)矩陣乘積的形式,并要求所有矩陣都滿足非負(fù)約束。非負(fù)矩陣分解將高維數(shù)據(jù)有效地映射到低維空間,實(shí)現(xiàn)了數(shù)據(jù)壓縮和降維,提高了算法的效率,并增強(qiáng)了數(shù)據(jù)的可解釋性。本文提出了一種基于非負(fù)矩陣分解的分類算法框架,并在此算法的基礎(chǔ)上,將其應(yīng)用領(lǐng)域擴(kuò)展到半監(jiān)督分類算法與特征選擇算法中�；诜秦�(fù)矩陣分解的分類算法主要思想是通過原始數(shù)據(jù)矩陣與標(biāo)簽矩陣,利用非負(fù)矩陣分解的框架,構(gòu)造特征與標(biāo)簽的概率矩陣,然后根據(jù)概率矩陣確定分類算法的分類器。本文具體介紹了四種基于非負(fù)矩陣分解的分類算法,分別是樸素NMF分類算法、改進(jìn)的NMF分類算法、樸素NMF的半監(jiān)督分類算法以及約束NMF的半監(jiān)督分類算法,并對(duì)多種類型的NMF在分類中的應(yīng)用做了分析與拓展。最后,論文在多個(gè)基準(zhǔn)數(shù)據(jù)集上對(duì)比了基于非負(fù)矩陣分解的分類算法與經(jīng)典分類算法,實(shí)驗(yàn)結(jié)果表明基于非負(fù)矩陣分解的分類算法效果優(yōu)于或者接近經(jīng)典算法,在算法效率方面尤為突出。并且,基于非負(fù)矩陣分解的分類算法適用于多種不同類型的數(shù)據(jù)集,可以用于解決高維稀疏數(shù)據(jù)的分類問題。
【學(xué)位授予單位】：大連理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP18

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 劉建軍;吳澤彬;韋志輝;肖亮;孫樂;;基于約束非負(fù)矩陣分解的高光譜圖像解混快速算法[J];電子學(xué)報(bào);2013年03期

2 方蔚濤;馬鵬;成正斌;楊丹;張小洪;;二維投影非負(fù)矩陣分解算法及其在人臉識(shí)別中的應(yīng)用[J];自動(dòng)化學(xué)報(bào);2012年09期

，

本文編號(hào)：1204730