在人類認(rèn)識(shí)和改造世界的過程中,往往需要通過多源數(shù)據(jù)認(rèn)知事物。與單源數(shù)據(jù)相比,多源數(shù)據(jù)蘊(yùn)含了更加豐富的信息和知識(shí),通過對多源數(shù)據(jù)的研究分析能夠獲取對事物更加全面客觀的認(rèn)知。面向多源數(shù)據(jù)的機(jī)器學(xué)習(xí)算法通過利用多源數(shù)據(jù)中的隱藏知識(shí),可以有效提高算法的學(xué)習(xí)能力,然而傳統(tǒng)機(jī)器學(xué)習(xí)方法一般面向單源數(shù)據(jù)建模,多源數(shù)據(jù)使傳統(tǒng)機(jī)器學(xué)習(xí)方法面臨新的挑戰(zhàn)。本文針對多源數(shù)據(jù)學(xué)習(xí)的基本問題,研究面向多源數(shù)據(jù)的譜學(xué)習(xí)算法,主要工作包括:為了實(shí)現(xiàn)多源數(shù)據(jù)的融合學(xué)習(xí),建立面向多源數(shù)據(jù)的融合學(xué)習(xí)模型。該模型通過結(jié)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(jù)的內(nèi)部結(jié)構(gòu)。針對多源數(shù)據(jù)融合新模型,本文給出相應(yīng)的優(yōu)化求解算法。通過實(shí)驗(yàn)驗(yàn)證了算法的有效性,能夠提高同構(gòu)完備多源數(shù)據(jù)融合聚類的性能。為了降低多源數(shù)據(jù)融合學(xué)習(xí)模型的復(fù)雜度,提高算法學(xué)習(xí)效率,提出譜密度表示方法。首先通過譜方法獲取各數(shù)據(jù)源的密度信息,形成多源數(shù)據(jù)的一致譜密度表示。通過各數(shù)據(jù)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(chǔ)上,利用密度峰值聚類算法完成多源數(shù)據(jù)聚類任務(wù)。通過在多源數(shù)據(jù)集上的實(shí)驗(yàn)驗(yàn)證了算法具備多源學(xué)習(xí)的能力和較高效率,并且具備...

【文章頁數(shù)】：136 頁

【學(xué)位級別】：博士

【部分圖文】：

圖１－２本文組織結(jié)構(gòu)圖??

第一章緒論?面向多源數(shù)據(jù)的譜學(xué)習(xí)算法研究??多源數(shù)據(jù)??／？?＼?／■?Ｎ?ｆ?Ｎ??融合學(xué)習(xí)?數(shù)據(jù)表示?關(guān)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(fù)?多源譜關(guān)聯(lián)??學(xué)習(xí)算法?....

圖３－１多視圖數(shù)據(jù)聚類示例（１）：混合高斯模型??

，在達(dá)到融合多種結(jié)構(gòu)信息目標(biāo)的??同時(shí)，保證了結(jié)果的魯棒性；??４．本文為新的多源數(shù)據(jù)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(shí)??驗(yàn)部分驗(yàn)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(jù)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(xué)習(xí)算法基本框架圖??

面向多源數(shù)據(jù)的譜學(xué)習(xí)算法研究?第二章多源譜嵌入融合學(xué)習(xí)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(hào)：4002388