人工智能的地位已經(jīng)上升到國家戰(zhàn)略層面,而作為人工智能核心的機器學習無疑具有巨大的發(fā)展?jié)摿?甚至有可能成為下一階段產業(yè)革命的主動力。然而,傳統(tǒng)監(jiān)督學習需要足夠多的有類標數(shù)據(jù)作為監(jiān)督學習算法的支撐,否則就無法獲得足夠泛化性能的監(jiān)督學習模型。況且,實際工業(yè)應用中,有類標的數(shù)據(jù)的獲得,需要專家經(jīng)驗,耗時耗力。半監(jiān)督學習由于可以利用少量的有類標數(shù)據(jù)及大量的無類標數(shù)據(jù)進行訓練,并在實際應用中取得較好的結果。然而目前,半監(jiān)督學習領域的研究大多集中于采用基于類標滲透及數(shù)據(jù)分布模型的思想解決類標數(shù)據(jù)不足的問題,類標滲透類算法利用有類標數(shù)據(jù)預訓練得到一個學習器,并通過不斷優(yōu)化該學習器并給無類標數(shù)據(jù)貼標簽的方式進行模型’訓練,如S3VM、Tri-Training等;現(xiàn)有的數(shù)據(jù)分布類算法假設樣本服從某種分布,并通過有類標數(shù)據(jù)及無類標數(shù)據(jù)共同確定模型參數(shù)。針對上述問題,本文提出了基于生成式對抗網(wǎng)絡的半監(jiān)督學習模型,該方法利用生成式對抗網(wǎng)絡能自適應地生成與所給真實樣本相似的偽樣本這一特性,有效地生成所需訓練數(shù)據(jù),打破了原有半監(jiān)督學習算法的局限性。首先初始化模型,然后選擇具有高置信度樣本,擴充標記到原數(shù)據(jù)集合中。再... 

【文章來源】：云南大學云南省 211工程院校

【文章頁數(shù)】：54 頁

【學位級別】：碩士

【部分圖文】：

圖１－２半監(jiān)督學習示例圖??

GAN算法模型圖

圖３－２?ＧＡＮ網(wǎng)絡結構圖??圖中，生成器輸入為任意維度的噪聲數(shù)據(jù)，輸出為與真實數(shù)據(jù)維度一致的偽數(shù)??據(jù)，并將其與真實數(shù)據(jù)混合作為判別器的輸入，判別器輸出為１或０，代表數(shù)據(jù)??

【參考文獻】：
期刊論文
[1]聚類算法研究[J]. 孫吉貴,劉杰,趙連宇.  軟件學報. 2008(01)
[2]BP人工神經(jīng)網(wǎng)絡自適應學習算法的建立及其應用[J]. 李曉峰,徐玖平,王蔭清,賀昌政.  系統(tǒng)工程理論與實踐. 2004(05)

博士論文
[1]流形學習中的若干問題研究[D]. 高小方.山西大學 2011
[2]基于支持向量機和流形學習的分類方法研究[D]. 陶曉燕.西安電子科技大學 2008

碩士論文
[1]半監(jiān)督學習及其在社交媒體分析中的應用[D]. 杜俊.華北電力大學 2015
[2]基于圖的半監(jiān)督圖像分類[D]. 白藝娜.陜西師范大學 2014
[3]基于半監(jiān)督學習方法的情感分析研究[D]. 劉曉玲.天津財經(jīng)大學 2012



本文編號：3231519