复杂假设场景下的机器学习研究

《复杂假设场景下的机器学习研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中图分类号：TP181单位代码：11414学号：2013215041题目复杂假设场景下的机器学习研究学科专业控制科学与工程研究方向模式识别与智能系统硕士生任正平指导教师刘建伟副研究员入学时间：2013年9月论文完成时间：2016年5月硕士学位论文独创性声明，独立进行研宄工作郑重声明：本硕士学位论文是作者个人在导师的指导下所取得的成果。除了文中特别加以标注和致谢的地方外，论文中不包含其他个人和集体已经发表或撰写的研究成果，也不包含为获得中国石油大学或者其它单位的学位或证书所使用过的材料。对本研究做

2、出贡献的个人和集体，均己在论文中做了明确的说明并表示了谢意。作者和导师完全意识到本声明产生的法律后果并承担相应责任。作者签名：／ｄ止日期：偽平导师签名：日期：込丨也抑硕士学位论文版权使用授权书本学位论文作者及指导教师完全了解中国石油大学（北京）学位论文版权使用的有关规定，使用方式包括但不限于：学校有权保留并向有关部门和机构送交学位论文的复印件和电子版：允许学位论文被查阅和借阅；学校可以公布学位论文的全部或部分内容，可以采用影印、缩印或扫描等复制手段保存和汇编学位论文。

3、；可以将本学位论文的全部或部分内容编入有关数据库进行检索。，本学位论文属于保密范围，保密期限解密后适用本授权书＿Ｑ＿年本学位论文作者如需公幵出版学位论文的部分或全部内容，必须征得导师书一）面同意，且须以中国石油大学（北京为第署名单位。正：ｊ作者签名：仅予日期ｊＪＬｉＡｄｉ〇ｉ＞＾导师签名：日期：－－Ｉ摘要摘要自从计算机技术得到长足发展，人类获取和存储信息的能力快速增强。这些信息来源复杂，且常常包含着噪声信息和大量冗余信息，利用这些复杂的信息建立可靠的模型一直是机器学习的热点。针对

4、标签噪声问题，rNDA算法将翻转概率引入普通判别分析中，得到能够处理标签噪声的鲁棒判别分析算法。对信息来源复杂，即输入特征不能用单一分布来描述的问题，考虑把高斯有限混合模型引入rNDA算法，提出一种针对标签噪声的基于高斯有限混合模型的鲁棒判别分析算法。最后实验表明提出的基于高斯有限混合模型的鲁棒判别分析算法有较好的分类性能，性能与原始的NDA算法和rNDA算法相比有提高。高斯有限混合模型需要提前指定混合组分个数，若指定的混合组分个数不适当会影响混合模型的分类性能。针对该问题，引入狄利克雷过程，在对组分进行抽样时

5、，自适应地解决混合组分个数确定问题。针对输入特征的噪声信息和冗余信息，将深度学习中的Dropout方法应用到LDA算法中，利用Dropout方法选择特征子集这一特点，提出一种基于Dropout特征选择的LDA集成分类算法。实验证明，这种基于Dropout的算法对分类性能有显著提升，且在含标签噪声的数据集上也有很突出的表现。关键词：标签噪声；高斯混合模型；狄利克雷过程；Dropout方法；特征选择；集成分类器-II-ABSTRACTMachinelearningincomplexhypotheticalscena

6、riosABSTRACTWiththerapiddevelopmentofcomputertechnology,techniquesfordataobtainingandstoringareimprovedfast.Thesedataoftenoriginatefromcomplexsources,andalsocontainnoiseinformationandredundantinformation.Usingthesedatatoestablishareliablemodelhasbeenahottopi

7、cinmachinelearning.Todealwithlabelnoise,rNDAalgorithmispresentedbyJakramateBootkrajangviaintroducingaflippingprobabilityintoNormalDiscriminantAnalysis(NDA).Forcomplexoriginateddata,inputfeaturescouldnotberepresentedbyasimpledistribution.Inordertosolvethispro

8、blem,GaussianmixturemodelisbroughtintorNDAalgorithmandarobustDiscriminantAnalysisbasedonGaussianmixturemodel(GMDA)isproposed.Experimentsshowthenewlyproposedalgorithmbehaveswellinclassification,a