在人類認識和改造世界的過程中,往往需要通過多源數(shù)據認知事物。與單源數(shù)據相比,多源數(shù)據蘊含了更加豐富的信息和知識,通過對多源數(shù)據的研究分析能夠獲取對事物更加全面客觀的認知。面向多源數(shù)據的機器學習算法通過利用多源數(shù)據中的隱藏知識,可以有效提高算法的學習能力,然而傳統(tǒng)機器學習方法一般面向單源數(shù)據建模,多源數(shù)據使傳統(tǒng)機器學習方法面臨新的挑戰(zhàn)。本文針對多源數(shù)據學習的基本問題,研究面向多源數(shù)據的譜學習算法,主要工作包括:為了實現(xiàn)多源數(shù)據的融合學習,建立面向多源數(shù)據的融合學習模型。該模型通過結合全局譜嵌入融合和局部譜嵌入融合,能夠更加全面地表示多源數(shù)據的內部結構。針對多源數(shù)據融合新模型,本文給出相應的優(yōu)化求解算法。通過實驗驗證了算法的有效性,能夠提高同構完備多源數(shù)據融合聚類的性能。為了降低多源數(shù)據融合學習模型的復雜度,提高算法學習效率,提出譜密度表示方法。首先通過譜方法獲取各數(shù)據源的密度信息,形成多源數(shù)據的一致譜密度表示。通過各數(shù)據源譜密度表示的線性組合,獲取最優(yōu)譜密度表示。在此基礎上,利用密度峰值聚類算法完成多源數(shù)據聚類任務。通過在多源數(shù)據集上的實驗驗證了算法具備多源學習的能力和較高效率,并且具備...

【文章頁數(shù)】：136 頁

【學位級別】：博士

【部分圖文】：

圖１－２本文組織結構圖??

第一章緒論?面向多源數(shù)據的譜學習算法研究??多源數(shù)據??／？?＼?／■?Ｎ?ｆ?Ｎ??融合學習?數(shù)據表示?關聯(lián)挖掘??問題?＾?問題?￣｜?問題??＼ｓ?ｙ?ｖ?ｙ?Ｖ．?Ｊ??ｆ?＾?ｆ?＾?ｆ?＾?ｆ?＾??多源譜嵌入融合?多源譜密度表示?多源譜修復?多源譜關聯(lián)??學習算法?....

圖３－１多視圖數(shù)據聚類示例（１）：混合高斯模型??

，在達到融合多種結構信息目標的??同時，保證了結果的魯棒性；??４．本文為新的多源數(shù)據融合模型提供了一種基于迭代的優(yōu)化求解方法，并且在實??驗部分驗證了該方法的有效性。??：°２?，?°２?，??。２１?Ａ?，?０，５?．乂各－?°?＜５??ｉｖ?。。１＃＿贏?°ｉ??－１０－５....

圖３－２多視圖數(shù)據聚類示例（ＩＩ）：交叉橢圓模型??

算法??。：Ｉ?贏?＞?－?Ｍｈ．??。漏魏?。遷＾?。??＂°５，?ｔｍｒ：?：?：?：：：：?＾；：：：：：：：＾；：—ｒｒｒ：??＾?ｆａＭ?…ｆｃｒ￡．．?．?：？?…＇＇?？?？…二：二’??ｔ?ｊ?．．一?卜：一」奢??－ｉ〇?－１０?－５?０?Ｓ?１〇?１５?－５?....

圖３－３多源譜嵌入融合學習算法基本框架圖??

面向多源數(shù)據的譜學習算法研究?第二章多源譜嵌入融合學習算法???畫＿?（－＾￣?ＩＩＩ?■＿????Ｎ?｛全局譜嵌入??！—畫ｂ＝＝＼??崎?＜？?．??ｆ?．．．．．?Ｉ?ｆＦ￣ｎｌ????Ａ．??Ｉｒｚｋ?．＊；／ＭｘＵ廣嘆：????｜?Ｈｊ：－；；＾？?？?｜（＾＞Ｌ??Ｉ....

本文編號：4002388