在各種模式分類問題中,半監(jiān)督學習算法在利用未標記樣本數(shù)據(jù)方面比一些監(jiān)督學習算法和無監(jiān)督學習算法有著更好的優(yōu)勢。半監(jiān)督判別嵌入算法（Semi-supervised discriminant embedding,SDE）是局部判別嵌入算法（Local discriminant embedding,LDE）的半監(jiān)督擴展。然而,在處理高維數(shù)據(jù)時,SDE常常會遇到小樣本問題。為了解決這一問題,利用矩陣指數(shù)的性質(zhì),有人提出了指數(shù)半監(jiān)督判別嵌入算法（ESDE）。盡管ESDE對高維數(shù)據(jù)的判別能力較強,但是計算量和存儲量都很大。為了克服這一缺點,本文的第一個貢獻是提出了一種ESDE的加速算法,關(guān)鍵是將（9×（9維的大矩陣指數(shù)問題等價地轉(zhuǎn)化為9）×9）維的小矩陣問題,其中（9是數(shù)據(jù)維數(shù),9）是訓練樣本數(shù),這里（9遠遠大于9）。另一方面,在許多實際應(yīng)用中,很可能事先無法獲得整個標記樣本的訓練集,并且訓練數(shù)據(jù)是動態(tài)增加的,增加的樣本可能是有標記的也可能是無標記的。為了解決這個問題,許多增量半監(jiān)督學習算法被提出。目前,據(jù)我們所知,還沒有關(guān)于矩陣指數(shù)的增量算法。為了填補這一空白,本文的第二個貢獻是提出了解決增量問... 

【文章來源】：中國礦業(yè)大學江蘇省 211工程院校 教育部直屬院校

【文章頁數(shù)】：52 頁

【學位級別】：碩士

【文章目錄】：
致謝
摘要
abstract
變量注釋表
1 緒論
    1.1 研究背景及現(xiàn)狀
    1.2 研究內(nèi)容
2 預(yù)備知識
    2.1 局部判別嵌入算法(LDE)和半監(jiān)督判別嵌入算法(SDE) . . . . . . . . . . . . .
    2.2 指數(shù)局部判別嵌入算法(ELDE)和指數(shù)半監(jiān)督判別嵌入算法(ESDE)
3 指數(shù)半監(jiān)督判別嵌入算法的加速算法
    3.1 有效地規(guī)范化矩陣(3(3和(3(3
    3.2 高效計算大規(guī)模矩陣指數(shù)
    3.3 加速求解大規(guī)模矩陣指數(shù)特征問題
4 指數(shù)半監(jiān)督判別嵌入算法的增量算法
    4.1 所有增加的樣本都是未標記樣本
    4.2 所有增加的樣本都是標記樣本
5 數(shù)值實驗
    5.1 提出的加速算法的有效性
    5.2 未標記樣本的增量問題
    5.3 標記樣本的增量問題
    5.4 標記樣本和未標記樣本的增量問題
6 結(jié)論
參考文獻
作者簡歷
學位論文數(shù)據(jù)集


【參考文獻】：
期刊論文
[1]基于矩陣指數(shù)變換的邊界Fisher分析[J]. 何進榮,丁立新,崔夢天,胡慶輝.  計算機學報. 2014(10)



本文編號：3214044