半監(jiān)督學習及其應(yīng)用研究.pdf

1、本文研究了半監(jiān)督學習算法及其在數(shù)據(jù)挖掘技術(shù)中的應(yīng)用。首先，本文對機器學習、數(shù)據(jù)挖掘的相關(guān)知識進行了簡單介紹，主要對它們的定義、發(fā)展歷史和相關(guān)流程等進行了討論。其次，介紹了本文所使用的半監(jiān)督學習算法。最后，以信用卡數(shù)據(jù)和望遠鏡數(shù)據(jù)為例，進行了數(shù)據(jù)挖掘技術(shù)算法實現(xiàn)。
　　 在數(shù)據(jù)挖掘技術(shù)中，涉及到機器學習問題。半監(jiān)督學習是在機器學習領(lǐng)域中同時利用訓練樣本的類別標記信息和未標記信息的學習方法。監(jiān)督學習作為機器學習中的一種很主要的方法，

2、基于類別標記已知的前提。在實際問題中，往往需要大的樣本集，而提供大量已知類別的樣本卻存在一定的困難。非監(jiān)督學習是機器學習中的另一種主要的方法，它不要求類別標記是已知的。但是，與監(jiān)督學習相比，非監(jiān)督學習存在著更大的不確定性。由于半監(jiān)督學習同時利用訓練樣本的類別標記信息和未標記信息，所以它可以作為傳統(tǒng)的監(jiān)督學習和非監(jiān)督學習的有益補充。我們所研究的半監(jiān)督學習算法，就是基于這些基本原理。
　　 本文的主要創(chuàng)新點以及研究工作如下：

3、　　 (1)對半監(jiān)督學習所涉及的理論基礎(chǔ)及相關(guān)工作進行了研究，以便后文對算法進行相應(yīng)的改進研究。目前在機器學習界，主要還是傳統(tǒng)的監(jiān)督學習和非監(jiān)督學習兩大類別，半監(jiān)督學習還屬于一個比較新穎的領(lǐng)域。對數(shù)據(jù)挖掘所涉及的相關(guān)工作領(lǐng)域進行了研究，以便后文對數(shù)據(jù)挖掘應(yīng)用進行相應(yīng)的分析研究。
　　 (2)給出了一個基于貝葉斯分類的半監(jiān)督學習算法。該算法基于貝葉斯決策理論，通過概率密度函數(shù)進行分布估計，對兩類別半監(jiān)督學習問題進行判定。

4、　　 (3)給出了一個基于FCM的半監(jiān)督學習算法。該算法來源于非監(jiān)督學習的聚類方法，采用類別分離的間接方法來度量，并且加入了模糊模式識別方法，可以同時進行特征選擇，對多類別半監(jiān)督學習問題進行判定。
　　 (4)給出了在信用卡數(shù)據(jù)挖掘模型中，加入半監(jiān)督學習算法作為技術(shù)解決方案的方法。該方案使用的算法就是基于FCM的半監(jiān)督學習算法，同時可以進行特征選擇。并且，因考慮到信用卡審批模型的特點，引入了損失函數(shù)，從而得到了一種新的半監(jiān)督學