在各種模式分類問題中,半監(jiān)督學(xué)習(xí)算法在利用未標(biāo)記樣本數(shù)據(jù)方面比一些監(jiān)督學(xué)習(xí)算法和無(wú)監(jiān)督學(xué)習(xí)算法有著更好的優(yōu)勢(shì)。半監(jiān)督判別嵌入算法（Semi-supervised discriminant embedding,SDE）是局部判別嵌入算法（Local discriminant embedding,LDE）的半監(jiān)督擴(kuò)展。然而,在處理高維數(shù)據(jù)時(shí),SDE常常會(huì)遇到小樣本問題。為了解決這一問題,利用矩陣指數(shù)的性質(zhì),有人提出了指數(shù)半監(jiān)督判別嵌入算法（ESDE）。盡管ESDE對(duì)高維數(shù)據(jù)的判別能力較強(qiáng),但是計(jì)算量和存儲(chǔ)量都很大。為了克服這一缺點(diǎn),本文的第一個(gè)貢獻(xiàn)是提出了一種ESDE的加速算法,關(guān)鍵是將（9×（9維的大矩陣指數(shù)問題等價(jià)地轉(zhuǎn)化為9）×9）維的小矩陣問題,其中（9是數(shù)據(jù)維數(shù),9）是訓(xùn)練樣本數(shù),這里（9遠(yuǎn)遠(yuǎn)大于9）。另一方面,在許多實(shí)際應(yīng)用中,很可能事先無(wú)法獲得整個(gè)標(biāo)記樣本的訓(xùn)練集,并且訓(xùn)練數(shù)據(jù)是動(dòng)態(tài)增加的,增加的樣本可能是有標(biāo)記的也可能是無(wú)標(biāo)記的。為了解決這個(gè)問題,許多增量半監(jiān)督學(xué)習(xí)算法被提出。目前,據(jù)我們所知,還沒有關(guān)于矩陣指數(shù)的增量算法。為了填補(bǔ)這一空白,本文的第二個(gè)貢獻(xiàn)是提出了解決增量問... 

【文章來(lái)源】：中國(guó)礦業(yè)大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：52 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
致謝
摘要
abstract
變量注釋表
1 緒論
    1.1 研究背景及現(xiàn)狀
    1.2 研究?jī)?nèi)容
2 預(yù)備知識(shí)
    2.1 局部判別嵌入算法(LDE)和半監(jiān)督判別嵌入算法(SDE) . . . . . . . . . . . . .
    2.2 指數(shù)局部判別嵌入算法(ELDE)和指數(shù)半監(jiān)督判別嵌入算法(ESDE)
3 指數(shù)半監(jiān)督判別嵌入算法的加速算法
    3.1 有效地規(guī)范化矩陣(3(3和(3(3
    3.2 高效計(jì)算大規(guī)模矩陣指數(shù)
    3.3 加速求解大規(guī)模矩陣指數(shù)特征問題
4 指數(shù)半監(jiān)督判別嵌入算法的增量算法
    4.1 所有增加的樣本都是未標(biāo)記樣本
    4.2 所有增加的樣本都是標(biāo)記樣本
5 數(shù)值實(shí)驗(yàn)
    5.1 提出的加速算法的有效性
    5.2 未標(biāo)記樣本的增量問題
    5.3 標(biāo)記樣本的增量問題
    5.4 標(biāo)記樣本和未標(biāo)記樣本的增量問題
6 結(jié)論
參考文獻(xiàn)
作者簡(jiǎn)歷
學(xué)位論文數(shù)據(jù)集


【參考文獻(xiàn)】：
期刊論文
[1]基于矩陣指數(shù)變換的邊界Fisher分析[J]. 何進(jìn)榮,丁立新,崔夢(mèng)天,胡慶輝.  計(jì)算機(jī)學(xué)報(bào). 2014(10)



本文編號(hào)：3214044