模式分類是機器學習的一個重要研究分支。傳統(tǒng)模式分類包括監(jiān)督分類和無監(jiān)督分類兩種方法,其訓練數(shù)據(jù)集要么是帶標簽數(shù)據(jù),要么是無標簽數(shù)據(jù)。隨著新應(yīng)用的不斷出現(xiàn),訓練數(shù)據(jù)集中同時包含帶標簽數(shù)據(jù)和無標簽數(shù)據(jù),無標簽數(shù)據(jù)數(shù)量非常多且獲得新的無標簽數(shù)據(jù)非常容易代價低廉,而帶標簽數(shù)據(jù)數(shù)量非常少且獲得新的帶標簽數(shù)據(jù)非常困難代價昂貴;并且還出現(xiàn)了一種新現(xiàn)象,無標簽數(shù)據(jù)和帶標簽數(shù)據(jù)來自不同但相關(guān)的領(lǐng)域。針對該現(xiàn)象,本文以最小包含球、核向量機、特征擴維和共享隱空間等理論為指導思想,結(jié)合支持向量機,針對監(jiān)督分類、半監(jiān)督分類和遷移分類三種不同研究場景,提出了幾種帶標簽和/或無標簽數(shù)據(jù)綜合利用的模式分類新方法,主要研究成果如下:1)針對監(jiān)督分類場景,將以稀有帶標簽數(shù)據(jù)為訓練數(shù)據(jù)的分類問題應(yīng)用到推薦系統(tǒng)中,提出了針對異質(zhì)空間大數(shù)據(jù)相似性問題的推薦算法及其快速算法,算法本質(zhì)上是基于監(jiān)督分類模型的個性化推薦算法。具體來說,該算法將傳統(tǒng)推薦方法和最小包含球、核向量機等理論相結(jié)合,以支持向量機理論為基礎(chǔ),將傳統(tǒng)推薦方法轉(zhuǎn)化為中心約束的最小包含球問題,從而使其具備大樣本快速處理能力。實驗中將所提方法應(yīng)用到電影推薦系統(tǒng)中,驗證了... 

【文章來源】：江南大學江蘇省 211工程院校 教育部直屬院校

【文章頁數(shù)】：136 頁

【學位級別】：博士

【部分圖文】：

3種算法在數(shù)據(jù)集MovieLens100k上推薦性能NDCG@k(k=1,2,...,10)的變化比較

從圖2-3可以看出，當λ 取值為2時 算法CSAL-CVM取得最優(yōu)推薦性能。圖2-2. 參數(shù)λ 對算法CSAL-MEB的推薦性能的影響Fig 2-2. The recommendation curve of parameter λ on CSAL-MEB

圖2-3.參數(shù)λ 對算法CSAL-CVM的推薦性能的影響-3. The recommendation curve of parameter λ on CSA有帶標簽數(shù)據(jù)為訓練數(shù)據(jù)的分類問題應(yīng)用到推 數(shù) 據(jù) 相 似 性 問 題 的 推 薦 算 法 CSAL-ME法本質(zhì)上是基于監(jiān)督分類模型的個性化推薦L的良好性能，而CSAL-CVM算法良好的時間能獲得相對快速的決策。實驗中的推薦性能及然CSAL-CVM仍然需對推薦系統(tǒng)面臨的諸如究，即如何處理新用戶和新項目問題，這將是

【參考文獻】：
期刊論文
[1]基于隱空間的低秩稀疏子空間聚類[J]. 劉建華.  西北師范大學學報(自然科學版). 2015(03)
[2]基于跨領(lǐng)域主動學習的圖像分類方法[J]. 邵忻.  計算機應(yīng)用. 2014(04)
[3]大樣本多源域與小目標域的跨領(lǐng)域快速分類學習[J]. 顧鑫,王士同.  計算機研究與發(fā)展. 2014(03)
[4]基于多源的跨領(lǐng)域數(shù)據(jù)分類快速新算法[J]. 顧鑫,王士同,許敏.  自動化學報. 2014(03)
[5]融合異構(gòu)特征的子空間遷移學習算法[J]. 張景祥,王士同,鄧趙紅,蔣亦樟,李奕.  自動化學報. 2014(02)
[6]基于隱特征提取和CRF模型的中文詞義消歧[J]. 黃瑩,陳笑蓉.  貴州大學學報(自然科學版). 2013(06)
[7]核分布一致局部領(lǐng)域適應(yīng)學習[J]. 陶劍文,王士同.  自動化學報. 2013(08)
[8]基于隱特征空間的極限學習機模型選擇[J]. 毛文濤,趙中堂,賀歡歡.  計算機應(yīng)用. 2013(06)
[9]基于半監(jiān)督高斯混合模型核的支持向量機分類算法[J]. 陶新民,曹盼東,宋少宇,付丹丹.  信息與控制. 2013(01)
[10]一種基于高斯隱變量模型的分類算法[J]. 王秀美,高新波,李潔.  計算機學報. 2012(12)

博士論文
[1]多視度量和回歸學習方法及應(yīng)用研究[D]. 翟德明.哈爾濱工業(yè)大學 2014

碩士論文
[1]基于NMF的文本聚類方法及應(yīng)用研究[D]. 張焱凱.江南大學 2015
[2]基于單源及多源的域適應(yīng)算法研究[D]. 時紅壘.華東師范大學 2015



本文編號：3145843