已閱讀1頁，還剩50頁未讀， 繼續(xù)免費閱讀
版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領
文檔簡介
1、半監(jiān)督學習已經(jīng)成為模式識別和機器學習的重要組成部分，被國際機器學習界所廣泛關注。近年來隨著機器學習在數(shù)據(jù)挖掘和分析中的廣泛應用，半監(jiān)督學習的一些理論已經(jīng)成功應用于實際問題的處理。本文對半監(jiān)督學習進行了研究，主要內容如下：
通過擴展核一致性方法，提出了基于核策略的半監(jiān)督學習算法GCM(GeneralizedConsistency Method)，深入分析了五種不同的度量及它們之間的關系，實驗研究了不同度量方法中的參數(shù)與算法性
2、能間的關系，并對使用不同度量的GCM算法的性能進行了比較，實驗結果表明，使用指數(shù)度量的GCM算法的性能最優(yōu)，而使用歐幾里得度量的GCM算法的性能最差，同時，不同度量中的參數(shù)取值對算法的性能具有一定的影響；
由于CCA是一種線性學習模型，線性變換的本質限制了抽取樣本更具鑒別力的非線性的特征，因此，Semi-CCA在處理非線性問題上具有不足之處；在Semi-CCA算法的基礎上引入核方法，提出了基于核典型相關分析的半監(jiān)督學習算法
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于神經(jīng)網(wǎng)絡的半監(jiān)督學習方法研究.pdf
- 半監(jiān)督學習方法及其應用研究.pdf
- 半監(jiān)督學習方法及應用研究.pdf
- 基于廣義半監(jiān)督學習方法的軟件質量預測研究.pdf
- 基于自適應的LVCSR系統(tǒng)半監(jiān)督學習方法的研究.pdf
- 面向連續(xù)語音識別的半監(jiān)督學習方法的研究.pdf
- 語音情感識別中主動學習和半監(jiān)督學習方法研究.pdf
- 基于半監(jiān)督學習的目標跟蹤方法研究.pdf
- 基于半監(jiān)督學習的舌色分析方法研究.pdf
- 基于半監(jiān)督學習的特征降維方法研究.pdf
- 基于半監(jiān)督學習的子空間分析方法研究.pdf
- 基于半監(jiān)督學習的音頻實時檢測方法的研究.pdf
- 基于圖的半監(jiān)督學習的研究.pdf
- 基于集成學習的半監(jiān)督學習算法研究.pdf
- 基于半監(jiān)督學習的軟件缺陷預測方法研究.pdf
- 基于半監(jiān)督學習的指紋識別方法研究.pdf
- 基于半監(jiān)督學習的人臉特征抽取方法研究.pdf
- 基于半監(jiān)督學習的高光譜圖像分類方法研究.pdf
- 基于半監(jiān)督學習的微博情感分析方法研究.pdf
- 基于LNP的半監(jiān)督學習算法.pdf
評論
0/150
提交評論