陈琳琳:基于核对齐的若干学习问题研究论文

陈琳琳:基于核对齐的若干学习问题研究论文

本文主要研究内容

作者陈琳琳(2019)在《基于核对齐的若干学习问题研究》一文中研究指出:核方法是一种常用的模式分析方法,其原理是通过一个非线性映射把线性不可分的问题转化为高维特征空间中的线性可分问题,从而可以使用线性算法处理问题,且空间中的内积可以直接利用核函数来计算。核方法性能的优劣很大程度上取决于核函数的选择正确与否,因为不同的核函数在映入的高维空间中生成不同的结构。此外,当核函数的类型选定后,核参数的选择也对算法的性能有很大影响。因此,如何选择核函数以及核参数一直是机器学习领域内广为关注的热点问题。核对齐旨在度量两个核函数之间一致性的程度,是一种核函数选择方法,常用来为特定的学习问题选择合适的核函数。用核对齐选择核函数的优点在于只需要计算对齐值以使核函数适用于学习问题,而与具体的分类器训练过程无关。在核对齐概念被提出来以后,很多学者对核对齐进行了改进、扩展和应用。本文基于核对齐主要研究了模糊核的选择及其在异构数据属性约简中的应用,多标记数据的核函数选择及其特征选择等问题。主要研究内容如下:(1)提出了基于核对齐选择模糊核的新方法。在模糊决策系统中定义了一种新的理想核,并构建了一种模糊核对齐模型。通过最小化定义的理想核和属性空间中的模糊核之间的模糊对齐值选择模糊核。为了验证有效性,证明了支持向量机分类误差的上界随着模糊核对齐值的减小而减小。另外,进一步将提出的模糊核选择方法应用于异构数据的属性约简中。实验结果表明,提出的基于模糊核对齐的异构数据属性约简方法是有效的。(2)基于核化的模糊粗糙集提出了一种新的分类算法。把核化的模糊粗糙集中的正域转化为样本到分类超平面的距离之和,通过最大化正域得到一个求解分类超平面的优化问题。实验结果表明,提出的基于核化模糊粗糙集的分类算法是有效的。(3)基于核对齐提出了一种为多标记学习选择核函数的方法以及一种改进的分类器链多标记学习算法。首先,为多标记学习数据集定义了一个合适的理想核,并通过最大化特征空间中定义的线性组合核和理想核之间的对齐值确定组合核中的权重系数来选择核函数。另外,通过考虑局部核对齐标准对我们提出的方法进一步进行了改进。其次,在给定核函数的情况下,分别通过最大化核函数和标记空间中每个标记对应的理想核的凸组合之间的对齐值,和直接计算核函数与每个理想核间的对齐值给出分类器链的顺序。实验结果证明了基于核对齐提出的这两种算法的有效性。(4)提出了一种基于核对齐的多标记数据的特征选择方法。首先,将标记空间中的理想核定义为由每个标记定义的理想核的凸组合,特征空间中的核函数定义为每个特征对应的核函数的线性组合。其次,通过最大化线性组合核与理想核之间的核对齐值同时学习两个核函数中的权重,并将学到的标记权重作为标记重要性的程度。最后,根据线性组合核中的权重对特征进行排序,并删除权重很小的特征。提出的特征选择方法可以自动学习标记的重要性程度,并通过实验比较证明了该方法的有效性。

Abstract

he fang fa shi yi chong chang yong de mo shi fen xi fang fa ,ji yuan li shi tong guo yi ge fei xian xing ying she ba xian xing bu ke fen de wen ti zhuai hua wei gao wei te zheng kong jian zhong de xian xing ke fen wen ti ,cong er ke yi shi yong xian xing suan fa chu li wen ti ,ju kong jian zhong de nei ji ke yi zhi jie li yong he han shu lai ji suan 。he fang fa xing neng de you lie hen da cheng du shang qu jue yu he han shu de shua ze zheng que yu fou ,yin wei bu tong de he han shu zai ying ru de gao wei kong jian zhong sheng cheng bu tong de jie gou 。ci wai ,dang he han shu de lei xing shua ding hou ,he can shu de shua ze ye dui suan fa de xing neng you hen da ying xiang 。yin ci ,ru he shua ze he han shu yi ji he can shu yi zhi shi ji qi xue xi ling yu nei an wei guan zhu de re dian wen ti 。he dui ji zhi zai du liang liang ge he han shu zhi jian yi zhi xing de cheng du ,shi yi chong he han shu shua ze fang fa ,chang yong lai wei te ding de xue xi wen ti shua ze ge kuo de he han shu 。yong he dui ji shua ze he han shu de you dian zai yu zhi xu yao ji suan dui ji zhi yi shi he han shu kuo yong yu xue xi wen ti ,er yu ju ti de fen lei qi xun lian guo cheng mo guan 。zai he dui ji gai nian bei di chu lai yi hou ,hen duo xue zhe dui he dui ji jin hang le gai jin 、kuo zhan he ying yong 。ben wen ji yu he dui ji zhu yao yan jiu le mo hu he de shua ze ji ji zai yi gou shu ju shu xing yao jian zhong de ying yong ,duo biao ji shu ju de he han shu shua ze ji ji te zheng shua ze deng wen ti 。zhu yao yan jiu nei rong ru xia :(1)di chu le ji yu he dui ji shua ze mo hu he de xin fang fa 。zai mo hu jue ce ji tong zhong ding yi le yi chong xin de li xiang he ,bing gou jian le yi chong mo hu he dui ji mo xing 。tong guo zui xiao hua ding yi de li xiang he he shu xing kong jian zhong de mo hu he zhi jian de mo hu dui ji zhi shua ze mo hu he 。wei le yan zheng you xiao xing ,zheng ming le zhi chi xiang liang ji fen lei wu cha de shang jie sui zhao mo hu he dui ji zhi de jian xiao er jian xiao 。ling wai ,jin yi bu jiang di chu de mo hu he shua ze fang fa ying yong yu yi gou shu ju de shu xing yao jian zhong 。shi yan jie guo biao ming ,di chu de ji yu mo hu he dui ji de yi gou shu ju shu xing yao jian fang fa shi you xiao de 。(2)ji yu he hua de mo hu cu cao ji di chu le yi chong xin de fen lei suan fa 。ba he hua de mo hu cu cao ji zhong de zheng yu zhuai hua wei yang ben dao fen lei chao ping mian de ju li zhi he ,tong guo zui da hua zheng yu de dao yi ge qiu jie fen lei chao ping mian de you hua wen ti 。shi yan jie guo biao ming ,di chu de ji yu he hua mo hu cu cao ji de fen lei suan fa shi you xiao de 。(3)ji yu he dui ji di chu le yi chong wei duo biao ji xue xi shua ze he han shu de fang fa yi ji yi chong gai jin de fen lei qi lian duo biao ji xue xi suan fa 。shou xian ,wei duo biao ji xue xi shu ju ji ding yi le yi ge ge kuo de li xiang he ,bing tong guo zui da hua te zheng kong jian zhong ding yi de xian xing zu ge he he li xiang he zhi jian de dui ji zhi que ding zu ge he zhong de quan chong ji shu lai shua ze he han shu 。ling wai ,tong guo kao lv ju bu he dui ji biao zhun dui wo men di chu de fang fa jin yi bu jin hang le gai jin 。ji ci ,zai gei ding he han shu de qing kuang xia ,fen bie tong guo zui da hua he han shu he biao ji kong jian zhong mei ge biao ji dui ying de li xiang he de tu zu ge zhi jian de dui ji zhi ,he zhi jie ji suan he han shu yu mei ge li xiang he jian de dui ji zhi gei chu fen lei qi lian de shun xu 。shi yan jie guo zheng ming le ji yu he dui ji di chu de zhe liang chong suan fa de you xiao xing 。(4)di chu le yi chong ji yu he dui ji de duo biao ji shu ju de te zheng shua ze fang fa 。shou xian ,jiang biao ji kong jian zhong de li xiang he ding yi wei you mei ge biao ji ding yi de li xiang he de tu zu ge ,te zheng kong jian zhong de he han shu ding yi wei mei ge te zheng dui ying de he han shu de xian xing zu ge 。ji ci ,tong guo zui da hua xian xing zu ge he yu li xiang he zhi jian de he dui ji zhi tong shi xue xi liang ge he han shu zhong de quan chong ,bing jiang xue dao de biao ji quan chong zuo wei biao ji chong yao xing de cheng du 。zui hou ,gen ju xian xing zu ge he zhong de quan chong dui te zheng jin hang pai xu ,bing shan chu quan chong hen xiao de te zheng 。di chu de te zheng shua ze fang fa ke yi zi dong xue xi biao ji de chong yao xing cheng du ,bing tong guo shi yan bi jiao zheng ming le gai fang fa de you xiao xing 。

论文参考文献

  • [1].加密流量精细化分类技术研究[D]. 潘吴斌.东南大学2018
  • [2].面向不平衡数据的特征选择与半监督分类算法研究[D]. 杜利敏.西南交通大学2017
  • [3].基于支持向量机的特征选择方法的研究与应用[D]. 毛勇.浙江大学2006
  • [4].关于非平衡数据特征问题的研究[D]. 尹留志.中国科学技术大学2014
  • [5].机器学习方法在入侵检测中的应用研究[D]. 解男男.吉林大学2015
  • [6].特征选择准则间的关联及高分辨率遥感影像类别不平衡问题研究[D]. 陈曦.上海交通大学2011
  • [7].基于最短描述长度的高维特征选择方法研究[D]. 刘峤.电子科技大学2010
  • [8].属性学习若干重要问题的研究及应用[D]. 刘明霞.南京航空航天大学2015
  • 论文详细介绍

    论文作者分别是来自华北电力大学(北京)的陈琳琳,发表于刊物华北电力大学(北京)2019-10-28论文,是一篇关于核函数论文,核对齐论文,模糊核论文,多标记学习论文,特征选择论文,华北电力大学(北京)2019-10-28论文的文章。本文可供学术参考使用,各位学者可以免费参考阅读下载,文章观点不代表本站观点,资料来自华北电力大学(北京)2019-10-28论文网站,若本站收录的文献无意侵犯了您的著作版权,请联系我们删除。

    标签:;  ;  ;  ;  ;  ;  

    陈琳琳:基于核对齐的若干学习问题研究论文
    下载Doc文档

    猜你喜欢