半監(jiān)督降維和分類算法研究.pdf

1、在很多實際應用中，隨著數(shù)據(jù)采集技術和存儲技術的發(fā)展，獲取大量的無標號樣本已變得非常容易，而獲取有標號樣本通常需要付出很大的代價。因而，相對于大量的無標號樣本，有標號樣本通常會很少。傳統(tǒng)的無監(jiān)督學習只能利用無標號樣本進行學習，監(jiān)督學習只利用少量的有標號樣本學習，而半監(jiān)督學習則能同時利用大量的無標號樣本和少量的有標號樣本來進行學習，因此，半監(jiān)督學習是非常有意義的研究課題。半監(jiān)督學習包括半監(jiān)督分類、半監(jiān)督回歸、半監(jiān)督聚類和半監(jiān)督維數(shù)約減等幾個

2、方面。本文以半監(jiān)督學習為基礎，主要做了以下一些工作：
　　 在半監(jiān)督維數(shù)約減方面，提出了一種新的算法ISSDR。一方面，它能夠充分利用正負約束信息，使得在低維空間中不屬于同一類的數(shù)據(jù)離的越遠越好，而屬于同一類的數(shù)據(jù)靠的越近越好。另一方面，引入剩余的大量未標記數(shù)據(jù)，利用隱藏在未標記數(shù)據(jù)中的潛在信息，能很好的保持數(shù)據(jù)集的全局以及局部結構。實驗結果表明，該算法能從大量的未標記數(shù)據(jù)以及有限的成對約束中學習出有用的知識，實驗證明了該算法的