人工智能的地位已經(jīng)上升到國家戰(zhàn)略層面,而作為人工智能核心的機(jī)器學(xué)習(xí)無疑具有巨大的發(fā)展?jié)摿?甚至有可能成為下一階段產(chǎn)業(yè)革命的主動(dòng)力。然而,傳統(tǒng)監(jiān)督學(xué)習(xí)需要足夠多的有類標(biāo)數(shù)據(jù)作為監(jiān)督學(xué)習(xí)算法的支撐,否則就無法獲得足夠泛化性能的監(jiān)督學(xué)習(xí)模型。況且,實(shí)際工業(yè)應(yīng)用中,有類標(biāo)的數(shù)據(jù)的獲得,需要專家經(jīng)驗(yàn),耗時(shí)耗力。半監(jiān)督學(xué)習(xí)由于可以利用少量的有類標(biāo)數(shù)據(jù)及大量的無類標(biāo)數(shù)據(jù)進(jìn)行訓(xùn)練,并在實(shí)際應(yīng)用中取得較好的結(jié)果。然而目前,半監(jiān)督學(xué)習(xí)領(lǐng)域的研究大多集中于采用基于類標(biāo)滲透及數(shù)據(jù)分布模型的思想解決類標(biāo)數(shù)據(jù)不足的問題,類標(biāo)滲透類算法利用有類標(biāo)數(shù)據(jù)預(yù)訓(xùn)練得到一個(gè)學(xué)習(xí)器,并通過不斷優(yōu)化該學(xué)習(xí)器并給無類標(biāo)數(shù)據(jù)貼標(biāo)簽的方式進(jìn)行模型’訓(xùn)練,如S3VM、Tri-Training等;現(xiàn)有的數(shù)據(jù)分布類算法假設(shè)樣本服從某種分布,并通過有類標(biāo)數(shù)據(jù)及無類標(biāo)數(shù)據(jù)共同確定模型參數(shù)。針對(duì)上述問題,本文提出了基于生成式對(duì)抗網(wǎng)絡(luò)的半監(jiān)督學(xué)習(xí)模型,該方法利用生成式對(duì)抗網(wǎng)絡(luò)能自適應(yīng)地生成與所給真實(shí)樣本相似的偽樣本這一特性,有效地生成所需訓(xùn)練數(shù)據(jù),打破了原有半監(jiān)督學(xué)習(xí)算法的局限性。首先初始化模型,然后選擇具有高置信度樣本,擴(kuò)充標(biāo)記到原數(shù)據(jù)集合中。再... 

【文章來源】：云南大學(xué)云南省 211工程院校

【文章頁數(shù)】：54 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１－２半監(jiān)督學(xué)習(xí)示例圖??

GAN算法模型圖

圖３－２?ＧＡＮ網(wǎng)絡(luò)結(jié)構(gòu)圖??圖中，生成器輸入為任意維度的噪聲數(shù)據(jù)，輸出為與真實(shí)數(shù)據(jù)維度一致的偽數(shù)??據(jù)，并將其與真實(shí)數(shù)據(jù)混合作為判別器的輸入，判別器輸出為１或０，代表數(shù)據(jù)??

【參考文獻(xiàn)】：
期刊論文
[1]聚類算法研究[J]. 孫吉貴,劉杰,趙連宇.  軟件學(xué)報(bào). 2008(01)
[2]BP人工神經(jīng)網(wǎng)絡(luò)自適應(yīng)學(xué)習(xí)算法的建立及其應(yīng)用[J]. 李曉峰,徐玖平,王蔭清,賀昌政.  系統(tǒng)工程理論與實(shí)踐. 2004(05)

博士論文
[1]流形學(xué)習(xí)中的若干問題研究[D]. 高小方.山西大學(xué) 2011
[2]基于支持向量機(jī)和流形學(xué)習(xí)的分類方法研究[D]. 陶曉燕.西安電子科技大學(xué) 2008

碩士論文
[1]半監(jiān)督學(xué)習(xí)及其在社交媒體分析中的應(yīng)用[D]. 杜俊.華北電力大學(xué) 2015
[2]基于圖的半監(jiān)督圖像分類[D]. 白藝娜.陜西師范大學(xué) 2014
[3]基于半監(jiān)督學(xué)習(xí)方法的情感分析研究[D]. 劉曉玲.天津財(cái)經(jīng)大學(xué) 2012



本文編號(hào)：3231519