基于结构正则化方法的半监督降维研究

《基于结构正则化方法的半监督降维研究》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、分类号：O175.9UDC：510学号：15451082151密级：公开温州大学硕士学位论文基于结构正则化方法的半监督降维研究作者姓名：张喜莲学科、专业：应用数学研究方向：智能系统与控制指导教师：樊明宇副教授完成日期：2018年5月温州大学学位论文独创性声明本人郑重声明：所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得温州大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。论文作者签名

2、：日期：年月日温州大学学位论文使用授权声明本人完全了解温州大学关于收集、保存、使用学位论文的规定，即：学校有权保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权温州大学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，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本人在导师指导下完成的论文成果，知识产权归属温州大学。保密论文在解密后遵守此规定。论文作者签名：导师签名：日期：年月日日期：年月日基于结构正则化方法的半监督降维研究摘要作为机器学习中的重要课题，降维得到广泛的研究和应用，因此，大量的降维方法被提出。当只有少量的有标签样本时，容

3、易产生过拟合，监督降维效果常常不是最优的，在这种情况下，无标签的样本也能够用来提高降维的性能，因而半监督降维成为热门的研究。在这篇文章中，我们提出了一种鲁棒的半监督降维算法，该方法能够同时对数据进行降维和学习数据的结构特征，我们称这种算法为结构正则化半监督降维。首先，通过交替方向优化算法和聚类发现数据的结构(包括本质结构分布和数据分割)，实现结构学习;然后通过降维的正则化项(本质结构和数据分割)来学习降维映射;在下面的迭代过程中，降维的结果也会影响数据的结构化学习。基于数据结构学习和降维映射之间的相互作用，我们能够得到更精确的数据结构和降到最合适的维度，使之分类效果更佳。我们的算法

4、建立在两种投影空间上：非正交约束投影空间和正交约束投影空间。大量实验证明了我们方法的有效性。关键词：半监督，降维，结构化学习，交替方向优化算法IIISTRUCTUREREGULARIZEDMETHODBASEDSEMI-SUPERVISEDDIMENSIONLITYREDUCTIONABSTRACTAsanimportantmachinelearningtopic,dimensionalityreductionhasbeenwidelystudiedandutilized.Soagreatnumberofdimensionalityreductionmethodshavebeend

5、eveloped.Whenonlyasmallnumberoflabeledsamplesareavailable,superviseddimensionalityreductionmethodsoftentendtoperformnotoptimalbecauseofoverfitting.Insuchcases,unlabeledsamplescouldalsobeusefulimprovingtheperformance,sothatsemi-superviseddimensionalityreductionhasbeenattractingmuchattention.Int

6、hispaper,weconsideranrobustsemi-superviseddimensionalityreductionalgorithmic,Themethodcansimultaneouslyreducethedimensionofdataandthestructuralcharacteristicsoflearningdata,wesaytheproposedalgorithmisstructureregularizedsemi-supervisedIIIdimensionalityreduction.Firstly,theproposedframeworkimpl

7、ementsstructurelearningwherethedatastructures(includingessentialdistributionstructureandthedatasegment)arefoundviaacombinationofalternatingdirectionmethodofmultipliersandclustering;boththeintrinsicdatastructureanddatasegmentareformulate