發(fā)布時(shí)間：2021-02-20 21:28

　　在人工智能極速展開(kāi)的大數(shù)據(jù)時(shí)代,對(duì)于數(shù)據(jù)的需求越來(lái)越高,如獨(dú)立同分布和數(shù)據(jù)量充足等,但是并不是在所有情況下都能獲得想要的數(shù)據(jù),就好像我們并不是總具備自己需要的知識(shí),因此,像知識(shí)遷移一樣的轉(zhuǎn)移學(xué)習(xí)逐漸進(jìn)入到人們的視野,并廣泛應(yīng)用至支持向量機(jī)等傳統(tǒng)分類(lèi)器中。而傳統(tǒng)的監(jiān)督學(xué)習(xí)模型中如支持向量機(jī)（SVM）等需要多類(lèi)樣本作為訓(xùn)練集,但在實(shí)際應(yīng)用中,則很難實(shí)現(xiàn)或者為此需付出的很高的代價(jià),如敵我辨識(shí),設(shè)施缺陷等,往往只能獲得一個(gè)標(biāo)簽的樣本。并且在我們的生活中有這樣的一種問(wèn)題,我們需要的類(lèi)只有一個(gè),其余的都是離群類(lèi),我們也并不在乎離群類(lèi)的標(biāo)簽是什么,這就是單分類(lèi)問(wèn)題。本文研究的內(nèi)容就是如何將轉(zhuǎn)移學(xué)習(xí)算法應(yīng)用到單分類(lèi)問(wèn)題中去,并進(jìn)行實(shí)驗(yàn)判斷二者融合后性質(zhì)是否良好。本文采用以核均值匹配算法為基礎(chǔ)的基于樣本的直推式轉(zhuǎn)移學(xué)習(xí)算法進(jìn)行轉(zhuǎn)移學(xué)習(xí),并應(yīng)用支持向量數(shù)據(jù)描述算法進(jìn)行單分類(lèi)數(shù)值實(shí)驗(yàn)。在實(shí)驗(yàn)中,我們由FDA與Tcm^SP獲取的藥典數(shù)據(jù)并以Dragon軟件對(duì)藥物分子向量化后,通過(guò)經(jīng)過(guò)轉(zhuǎn)移學(xué)習(xí)的單分類(lèi)問(wèn)題用成型的西藥分析中藥藥性,并通過(guò)已有的數(shù)據(jù)通過(guò)分析ROC曲線及對(duì)應(yīng)的AUC值判斷遷移效果... 

【文章來(lái)源】：大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：42 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景與課題意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 轉(zhuǎn)移學(xué)習(xí)的研究現(xiàn)狀
        1.2.2 單分類(lèi)問(wèn)題的研究現(xiàn)狀
        1.2.3 單分類(lèi)支持向量機(jī)的研究現(xiàn)狀
    1.3 本文的主要內(nèi)容與章節(jié)安排
2 預(yù)備知識(shí)
    2.1 主成分分析
    2.2 k均值算法
    2.3 核函數(shù)
    2.4 評(píng)價(jià)標(biāo)準(zhǔn)
        2.4.1 ROC曲線
        2.4.2 AUC值
3 轉(zhuǎn)移學(xué)習(xí)與單分類(lèi)
    3.1 轉(zhuǎn)移學(xué)習(xí)
    3.2 最大平均差異
        3.2.1 最大均值差異（MMD）的定義
        3.2.2 再生核希爾伯特空間（RKHS）上的MMD
    3.3 核均值匹配算法
    3.4 單分類(lèi)問(wèn)題
    3.5 單分類(lèi)支持向量機(jī)
    3.6 支持向量數(shù)據(jù)描述算法
        3.6.1 球型數(shù)據(jù)描述
        3.6.2 負(fù)樣本的支持向量描述
4 基于轉(zhuǎn)移學(xué)習(xí)的單分類(lèi)的研究與應(yīng)用
    4.1 基于轉(zhuǎn)移學(xué)習(xí)的單分類(lèi)算法
    4.2 參數(shù)選擇策略
    4.3 實(shí)驗(yàn)結(jié)果分析
        4.3.1 定性分析
        4.3.2 定量分析
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝


【參考文獻(xiàn)】：
期刊論文
[1]遷移學(xué)習(xí)研究進(jìn)展[J]. 莊福振,羅平,何清,史忠植.  軟件學(xué)報(bào). 2015(01)
[2]TL-SVM:一種遷移學(xué)習(xí)算法[J]. 許敏,王士同,顧鑫.  控制與決策. 2014(01)
[3]基于支持向量的單類(lèi)分類(lèi)方法綜述[J]. 吳定海,張培林,任國(guó)全,陳非.  計(jì)算機(jī)工程. 2011(05)
[4]基于支持向量數(shù)據(jù)描述的分類(lèi)方法研究[J]. 李瑜,鄭敏娟,程國(guó)建.  計(jì)算機(jī)工程. 2009(01)
[5]一種約減支持向量域描述算法RSVDD[J]. 梁錦錦,劉三陽(yáng),吳德.  西安電子科技大學(xué)學(xué)報(bào). 2008(05)

博士論文
[1]單分類(lèi)支持向量機(jī)的學(xué)習(xí)方法研究[D]. 王洪波.浙江大學(xué) 2012



本文編號(hào)：3043372