基于關聯性挖掘的流形對齊算法研究.pdf

1、 學校代碼： 10385 分類號： 研究生學號：1300404003 密 級： 基于 基于關聯性挖掘 關聯性挖掘的流形對齊算法研究 的流形對齊算法研究 Research on Manifold Alignment algorithms based on the d

2、iscovering of the correlations 作者姓名： 徐猛 徐猛 指導教師： 王靖 王靖 合作教師： 學 科： 計算機科學與技術 計算機科學與技術 研究方向： 流形對齊 流形對齊 所在學院： 計算機科學與技術學院 計算機科學與技術學院 論文提交日期：2016 2016 年 6 月 1 日摘要 摘 要 在一些領域的學習中，如模式識別，它們所需要的數據如圖像數據

3、都是存儲在高維空間中，而且數據結構比較的復雜，同時可視化程度相對的不太好。多年以來，流形學習和其算法在數據可視化方面和數據降維的領域取得了較大成功，慢慢變?yōu)樵擃I域熱點問題。盡管這些算法得到了非常廣的應用，但是只能對單個的流形數據進行降維。 在現實世界的許多應用中， 如跨語言信息檢索、圖像和文本的匹配、姿態(tài)估計等都需要處理兩個或則更多的數據集。很多年以來，學者們?yōu)榱颂幚磉@個問題經過努力提出了流形對齊算法。流形對齊可以將來自不同的流形數據映

4、射到一個共同的低維空間，并保持每個流形的局部幾何結構不變，同時匹配不同數據集樣本之間的對應關系。 在流形對齊算法中，流形樣本點之間的關聯性挖掘是流形對齊的關鍵步驟。因此，本文在圍繞如何更準確挖掘不同流形樣本點之間關聯性的問題，提出新的流形對齊算法。簡單來說，本文有下面工作： 1. 在針對無法獲取對應信息的無監(jiān)督情形，本文提出一個基本的假設：對于兩個流形或則更多流形上關聯性較強的樣本點，其鄰域點之間也會具有較強的關聯性?；诖思僭O，我們提

5、出一種新的非監(jiān)督流形對齊算法，通過學習局部鄰域之間的關聯性以挖掘不同流形樣本點間的關聯性，再將兩個或則多個流形樣本點投影到共同的低維空間，同時保持所挖掘的關聯性。 2. 在半監(jiān)督算法中，需要事先給出部分已知對應信息點，但是當給定對應點信息不充分時，單一的利用局部結構或全局結構都無法準確的挖掘不同流形樣本點之間的關聯性。因此本文提出了一種新的算法思路，首先構造流形樣本點之間的初始化關聯性，然后用樣本點之間的局部結構相似性對初始化關聯性進行