信息技術(shù)的發(fā)展,使得互聯(lián)網(wǎng)上的數(shù)據(jù)呈現(xiàn)出大數(shù)據(jù)特性,主要表現(xiàn)為體量大和多源異構(gòu),這些問(wèn)題對(duì)科學(xué)管理和計(jì)算方法提出了嚴(yán)峻的挑戰(zhàn),迫切需要我們整合多個(gè)來(lái)源的數(shù)據(jù)表示形式以獲得比任何單個(gè)來(lái)源的信息都要準(zhǔn)確、可靠的知識(shí)。鑒于此,針對(duì)現(xiàn)有信息融合方法中的不足,本文分別研究了基于對(duì)稱非負(fù)矩陣分解的信息融合模型、考慮圖正則化的對(duì)稱非負(fù)矩陣分解融合模型和基于對(duì)稱非負(fù)矩陣分解的預(yù)測(cè)模型,并將其首次應(yīng)用到跨模態(tài)信息檢索任務(wù)中。具體工作如下:1.針對(duì)多個(gè)視角間可能存在一個(gè)“一致”聚類模式的假設(shè),建立了一種基于對(duì)稱非負(fù)矩陣分解的信息融合模型（Multi-view SNMF）。通過(guò)對(duì)不同視角獲得的聚類指示矩陣進(jìn)行標(biāo)準(zhǔn)化,將其與“一致”聚類模式的距離作為約束項(xiàng)引入到對(duì)稱非負(fù)矩陣分解目標(biāo)函數(shù)中并進(jìn)行優(yōu)化求解,解決了固定同一個(gè)聚類模式帶來(lái)的多個(gè)視角間的數(shù)據(jù)不一致問(wèn)題;而現(xiàn)有文獻(xiàn)中并沒(méi)有考慮將對(duì)稱非負(fù)矩陣分解與該“一致性”假設(shè)結(jié)合起來(lái)進(jìn)行建模的做法。實(shí)驗(yàn)結(jié)果表明:Multi-view SNMF模型在精度和標(biāo)準(zhǔn)互信息兩個(gè)指標(biāo)上有更好的表現(xiàn)。2.針對(duì)信息融合中聚類準(zhǔn)確度不高、穩(wěn)定性不強(qiáng)等問(wèn)題,提出了一種考慮圖正則化的對(duì)稱非... 

【文章來(lái)源】：華中師范大學(xué)湖北省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：129 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

圖３．２?“Ｔｈｒｅｅ－ｓｏｕｒｃｅ”數(shù)據(jù)集上ＡＣ隨參數(shù)兒的變化趨勢(shì)??

＊？??圖３．３?“Ｔｈｒｅｅ－ｓｏｕｒｃｅ”數(shù)據(jù)集上ＮＭＩ隨參數(shù)丄的變化趨勢(shì)??如圖３．２，３．３所示：當(dāng)兒值在給定的區(qū)間內(nèi)變化時(shí)，相比于Ｍｕｌｔｉ－ｖｉｅｗＮＭＦ算法，Ｍｕｌｔｉ－ｖｉｅｗ??ＳＮＭＦ在兩個(gè)指標(biāo)上都獲得了更好的性能。對(duì)于Ｔｈｒｅｅ－ｓｏｕｒｃｅ數(shù)據(jù)集，Ｍｕｌｔｉ－ｖｉｅｗ?ＳＮＭＦ在??ｌｅｆＯ．Ｏｌ，?０．１］時(shí)有最好的性能表現(xiàn)，而Ｍｕｌｔｉ－ｖｉｅｗＮＭＦ在兒＝０．００１達(dá)到最高的精度值，互信息??變化情況與此類似。當(dāng)１＞〇．１時(shí)，兩種算法的性能均出現(xiàn)逐漸衰減的趨勢(shì)，一個(gè)可能的原因是：??隨著；Ｌ的增加，目標(biāo)函數(shù)中對(duì)“一致約束項(xiàng)”的懲罰相應(yīng)增大，使得從不同視角獲得的聚類模??式與“一致性”矩陣之間的“距離”保持的更近，也即是說(shuō)，各視角之間、各視角與“一致性”??矩陣之間的差異更小，在極端情況下，當(dāng)兒４〇〇時(shí)，／／Ｍｇ（ｖ）對(duì)不同視角共享相同的值，但即使??在這種情況下獲得一致矩陣／Ｔ也不同于ＪＮＭＦ模型中直接固定一個(gè)各視角共享的聚類模式的??做法。另一方面，當(dāng)兒取較小值時(shí)，目標(biāo)函數(shù)中可能會(huì)出現(xiàn)較大的矩陣重構(gòu)誤差，因此聚類性??能也不理想

圖３．５?ＨＭＰ數(shù)據(jù)集上ＮＭＩ隨參數(shù)兒的變化趨勢(shì)??４，?３．５中可以看出：兩種算法均在人＝１時(shí)獲得最好的表現(xiàn)，相較于ＭｕｌＳＮＭＦ在大多數(shù)情況下具有更好的性能（精度）；對(duì)于標(biāo)準(zhǔn)互信息而的不同變化區(qū)間均具有更加穩(wěn)定和良好的表現(xiàn)。宄其原因主要在用圖（網(wǎng)絡(luò)）表示原始數(shù)據(jù)的空間結(jié)構(gòu)，并封裝實(shí)例之間的關(guān)系，這象之間非線性、復(fù)雜的結(jié)構(gòu)關(guān)系時(shí)往往具有意想不到的效果。如３．１

【參考文獻(xiàn)】：
期刊論文
[1]“數(shù)據(jù)—信息—知識(shí)”整體視角下的知識(shí)融合初探——數(shù)據(jù)融合、信息融合、知識(shí)融合的關(guān)聯(lián)與比較[J]. 祝振媛,李廣建.  情報(bào)理論與實(shí)踐. 2017(02)
[2]幾何結(jié)構(gòu)保持非負(fù)矩陣分解的數(shù)據(jù)表達(dá)方法[J]. 李冰鋒,唐延?xùn)|,韓志.  信息與控制. 2017(01)
[3]基于決策分析的社交網(wǎng)絡(luò)鏈路預(yù)測(cè)方法[J]. 李永立,羅鵬,張書瑞.  管理科學(xué)學(xué)報(bào). 2017(01)
[4]基于相關(guān)性的跨模態(tài)信息檢索研究[J]. 丁恒,陸偉.  現(xiàn)代圖書情報(bào)技術(shù). 2016(01)
[5]基于信息融合的數(shù)據(jù)挖掘方法在公司財(cái)務(wù)預(yù)警中的應(yīng)用[J]. 張亮,張玲玲,陳懿冰,騰偉麗.  中國(guó)管理科學(xué). 2015(10)
[6]大數(shù)據(jù)中的管理問(wèn)題:基于大數(shù)據(jù)的資源觀[J]. 楊善林,周開樂(lè).  管理科學(xué)學(xué)報(bào). 2015(05)
[7]用戶行為驅(qū)動(dòng)的在線社交網(wǎng)絡(luò)建模[J]. 李倩倩,顧基發(fā).  系統(tǒng)工程學(xué)報(bào). 2015(01)
[8]基于距離熵的應(yīng)急決策層信息融合方法[J]. 管清云,陳雪龍,王延章.  系統(tǒng)工程理論與實(shí)踐. 2015(01)
[9]Link prediction in social networks: the state-of-the-art[J]. WANG Peng,XU BaoWen,WU YuRong,ZHOU XiaoYu.  Science China（Information Sciences）. 2015(01)
[10]大數(shù)據(jù)驅(qū)動(dòng)的管理與決策前沿課題[J]. 徐宗本,馮芷艷,郭迅華,曾大軍,陳國(guó)青.  管理世界. 2014(11)

博士論文
[1]基于維數(shù)約簡(jiǎn)的無(wú)監(jiān)督聚類算法研究[D]. 杜世強(qiáng).蘭州大學(xué) 2017
[2]基于半監(jiān)督學(xué)習(xí)的木材識(shí)別研究[D]. 盧紀(jì)麗.山東大學(xué) 2015
[3]基于深度學(xué)習(xí)的跨模態(tài)檢索研究[D]. 馮方向.北京郵電大學(xué) 2015
[4]異構(gòu)信息網(wǎng)絡(luò)檢索技術(shù)研究[D]. 劉鈺峰.湖南大學(xué) 2014
[5]基于數(shù)據(jù)挖掘與信息融合的瓦斯災(zāi)害預(yù)測(cè)方法研究[D]. 彭泓.中國(guó)礦業(yè)大學(xué)（北京） 2013
[6]基于圖的半監(jiān)督學(xué)習(xí)及其應(yīng)用研究[D]. 潘俊.浙江大學(xué) 2011
[7]基于數(shù)據(jù)挖掘與信息融合的故障診斷方法研究[D]. 孫衛(wèi)祥.上海交通大學(xué) 2006



本文編號(hào)：3461764