機器學習在高維數(shù)據(jù)種的應(yīng)用非常廣泛,同時也存在許多問題。高維數(shù)據(jù)如何降維,存儲,分析和管理都是機器學習任務(wù)種經(jīng)常遇到的問題,本文研究和擴展現(xiàn)有哈希降維與K均值聚類模型,提出新的哈希算法對哈希函數(shù)構(gòu)造中通常沒有考慮數(shù)據(jù)相似結(jié)構(gòu)的問題和高維數(shù)據(jù)的聚類算法存在的一些問題進行研究。具體地說,（1）提出了一種基于PCA的方差旋轉(zhuǎn)哈希算法（Principle Component Analysis Rotation Hashing Algorithm,PCAR）。哈希算法由于能將高維數(shù)據(jù)編碼為二進制字符串而被廣泛的應(yīng)用于高維數(shù)據(jù)降維問題,但是現(xiàn)有的哈希算法仍然存在如下問題:（i）、傳統(tǒng)的哈希算法采用固定的數(shù)學公式構(gòu)造哈希函數(shù),無法對數(shù)據(jù)擬合,因而無法獲得好的哈希效果;（ii）、現(xiàn)有哈希算法通常分別學習哈希函數(shù)與二值化閾值,過程繁雜容易造成誤差;（iii）、已有一些改進的哈希算法沒有同時考慮數(shù)據(jù)的全局與局部的結(jié)構(gòu)信息。因此,本文第三章提出的PCAR算法結(jié)合了PCA（主成分分析）和流形學習來解決傳統(tǒng)哈希算法通常只考慮一種結(jié)構(gòu)的不足。詳細地說,PCAR算法利用PCA（主成分分析）保留數(shù)據(jù)的整體相似結(jié)構(gòu),同... 

【文章來源】：廣西師范大學廣西壯族自治區(qū)

【文章頁數(shù)】：41 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 選題及研究背景
    1.2 本文研究內(nèi)容和結(jié)構(gòu)框架
第二章 相關(guān)基礎(chǔ)知識
    2.1 PCA哈希算法
    2.2 流形學習哈希
    2.3 K-means聚類
    2.4 自步學習
第三章 基于PCA與流形學習的哈希算法
    3.1 引言
    3.2 PCAR算法
        3.2.1 算法思想
        3.2.2 優(yōu)化求解
    3.3 實驗結(jié)果和分析
        3.3.1 實驗數(shù)據(jù)和評價指標
        3.3.2 實驗結(jié)果分析
    3.4 本章小結(jié)
第四章 基于自步學習的K-means聚類算法
    4.1 引言
    4.2 算法描述
        4.2.1 SPKC算法
        4.2.2 優(yōu)化分析求解
    4.3 實驗與結(jié)果分析
        4.3.1 實驗數(shù)據(jù)集和評價指標
        4.3.2 實驗結(jié)果和分析
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻
攻讀碩士期間取得的科研成果
攻讀碩士期間研究項目情況
致謝


【參考文獻】：
期刊論文
[1]大數(shù)據(jù)哈希學習:現(xiàn)狀與趨勢[J]. 李武軍,周志華.  科學通報. 2015(Z1)
[2]基于提升小波變換和BP神經(jīng)網(wǎng)絡(luò)的圖像哈希算法[J]. 張敏,康志偉,陳步真.  計算機應(yīng)用研究. 2010(10)
[3]基于內(nèi)容圖像檢索中的索引技術(shù)[J]. 賀玲,吳玲達,蔡益朝.  計算機應(yīng)用研究. 2005(11)
[4]基于核的K-均值聚類[J]. 孔銳,張國宣,施澤生,郭立.  計算機工程. 2004(11)
[5]文檔聚類中k-means算法的一種改進算法[J]. 萬小軍,楊建武,陳曉鷗.  計算機工程. 2003(02)



本文編號：2966980