下轉(zhuǎn)換可見量子切割熒光粉ligdf,4eu39;3的合成和vuv光譜研究

1、專業(yè)學(xué)位碩士學(xué)位論文結(jié)合主動學(xué)習(xí)的半監(jiān)督分類算法優(yōu)化研究R e s e a r c h o nO p t i m i z a t i o no f S e m i - s u p e r v i s e dC l a s s i f i c a t i o nA l g o r i t h mC o m b i n i n g w i t hA c t i v e L e a r n i n g學(xué) 號： 曼! ! ! Z Q Q 呈完成

2、日期： 2 Q ! 墨二Q 墨二至墨大連理工大學(xué)D a l i a n U n i v e r s i t y o f T e c h n o l o g y結(jié)合主動學(xué)習(xí)的半監(jiān)督分類算法優(yōu)化研究摘 要在機器學(xué)習(xí)領(lǐng)域中，監(jiān)督學(xué)習(xí)只考慮有標(biāo)簽數(shù)據(jù)( L a b e l e d d a t a ) ，無監(jiān)督學(xué)習(xí)只考慮未標(biāo)簽數(shù)據(jù)( U n l a b e l e dd a t a ) ，但是現(xiàn)實應(yīng)用中，兩者往往是都存在的，僅僅用稀缺的標(biāo)簽數(shù)據(jù)不

3、足以訓(xùn)練出性能較好的分類器，而僅僅采用未標(biāo)簽數(shù)據(jù)又會浪費標(biāo)簽數(shù)據(jù)中包含的類別信息。近幾年來，基于圖的半監(jiān)督學(xué)習(xí)方法建立在數(shù)學(xué)理論較為完善的圖論之上，受到了國際機器學(xué)習(xí)和數(shù)據(jù)挖掘界的高度重視，并取得了很多研究成果。文章先分析了未標(biāo)簽數(shù)據(jù)對分類決策邊界的影響，得出只有在模型假設(shè)很好的匹配實際數(shù)據(jù)時，未標(biāo)簽數(shù)據(jù)才是有用的。然后以標(biāo)簽傳遞法引出了基于圖的半監(jiān)督分類方法框架，根據(jù)此框架分析了現(xiàn)有的幾個經(jīng)典的基于圖的半監(jiān)督分類算法：高斯隨機場與調(diào)和

4、函數(shù)算法( G a u s s i a n R a n d o m F i e l d a n d H a r m o n i c F u n c t i o n ，G R F ) 、局部與全局一致性算法( L o c a l a n d G l o b a lC o n s i s t e n c y , L G C ) 等。一雖然基于圖的半監(jiān)督分類方法建立在數(shù)據(jù)理論較為完善的圖論之上，但其本身取得的效果并不盡如人意，對算法的優(yōu)化處理

5、也是非常有必要的，如構(gòu)建圖的優(yōu)化、參數(shù)學(xué)習(xí)、已知類比例信息都可以對分類結(jié)果做進一步優(yōu)化。另外，標(biāo)簽數(shù)據(jù)的匱乏對半監(jiān)督學(xué)習(xí)的性能影響非常大，主動學(xué)習(xí)( A c t i v e L e a r n i n g ，C o h nD A ，1 9 9 6 ) 就是一種能夠有效減少算法對標(biāo)簽數(shù)據(jù)需求量的學(xué)習(xí)方法。在主動學(xué)習(xí)中，分類器主動選擇信息含量最大的數(shù)據(jù)( 即能最大程度提高分類器性能的數(shù)據(jù)) ，而不是隨機選擇，然后交由外界監(jiān)督者進行類別標(biāo)注，

6、再把該數(shù)據(jù)添加的訓(xùn)練集重新訓(xùn)練分類器。本文將主動學(xué)習(xí)與兩個經(jīng)典的半監(jiān)督學(xué)習(xí)算法結(jié)合起來，提出了結(jié)合主動學(xué)習(xí)的調(diào)和函數(shù)算法( A L ．G R F ) 與結(jié)合主動學(xué)習(xí)的局部與全局一致性算法( A L ．L G C ) 。在U C I提供的M N I S T 、L E T T E R 手寫字體識別數(shù)據(jù)集上的實驗結(jié)果表明，與經(jīng)典基于圖算法相比，A L ．G R F 與A L ．L G C 算法也取得了更好的分類精度。關(guān)鍵詞：基于圖的半監(jiān)督；主