混杂和多输出数据的度量学习方法研究

发布时间：2021-11-02 16:10

　　随着信息时代的快速发展,医疗保健、多媒体检索和科学研究等领域的混杂和多输出数据量快速增长。由混杂和多输出数据构成的聚类,分类或回归等任务面临着巨大的挑战,有效利用混杂鱼多输出数据的特征计算样本之间的距离或相似性是至关重要的。本文围绕着混杂与多输出数据分类任务的需求,沿着混杂数据度量学习方法和多输出数据度量学习方法展开研究,其主要工作和创新点如下。（1）提出了混杂数据的多核几何平均度量学习。该方法通过不同的核函数分别将数值型数据和符号型数据映射到可再生核希尔伯特空间,同时,将度量学习问题转化为求黎曼流形上的两个点的中心点的问题.为避免过度拟合,优化目标通过对称化的LogDet分歧进行调整。基于几何平均的多核度量学习算法能得到一个封闭形式的解,该算法在精度和效率两方面均优于已存的度量学习方法。（2）提出了一种用于数值型和符号型数据混杂的的支持向量度量学习框架。几乎所有现有的算法都侧重于定义新的距离度量标准,而不是学习混杂数据的有判别性的度量算法。该方法为混杂数据定义了样本对核,然后将度量学习转换为样本对分类问题。所提出的模型可以通过标准的支持向量机求解器有效地解决。为了考虑数值和符号数据的... 

【文章来源】：天津大学天津市 211工程院校 985工程院校 教育部直属院校

【文章页数】：60 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题研究背景及研究目的
    1.2 国内外研究现状及分析
        1.2.1 距离度量学习
        1.2.2 混杂数据度量学习
        1.2.3 多标记度量学习
    1.3 本文主要研究内容与论文结构
        1.3.1 主要研究内容
        1.3.2 论文结构
第2章 度量学习方法概述
    2.1 传统经典度量学习方法
    2.2 符号数据度量方法
    2.3 混杂数据度量学习方法
    2.4 多输出度量学习方法
第3章 基于几何平均的混杂数据度量学习
    3.1 引言
    3.2 核化的几何平均度量学习
    3.3 多核几何平均度量学习
        3.3.1 优化
        3.3.2 求解
        3.3.3 加权
    3.4 实验结果及分析
        3.4.1 数据集
        3.4.2 对比算法
        3.4.3 参数设置
        3.4.4 实验分析
    3.5 结论
第4章 基于支持向量的混杂数据度量学习
    4.1 引言
    4.2 支持向量混杂度量学习
    4.3 多核支持向量混杂度量学习
    4.4 实验结果及分析
        4.4.1 数据集
        4.4.2 对比算法
        4.4.3 参数设置
        4.4.4 实验分析
    4.5 结论
第5章 关系对齐度量学习
    5.1 引言
    5.2 问题陈述
    5.3 核回归框架
        5.3.1 关系对齐学习
        5.3.2 样本对核定义
        5.3.3 回归度量学习
    5.4 支持向量回归度量学习
    5.5 岭回归度量学习
    5.6 模型讨论
        5.6.1 泛化界误差分析
        5.6.2 样本关系函数
        5.6.3 样本对选择
    5.7 实验结果及分析
        5.7.1 单标记分类
        5.7.2 多标记分类
        5.7.3 标签分布学习
    5.8 结论
第6章 结语
    6.1 总结
    6.2 展望
参考文献
发表论文和参加科研情况说明
致谢


【参考文献】：
期刊论文
[1]混杂数据的多核几何平均度量学习[J]. 齐忍,朱鹏飞,梁建青.  软件学报. 2017(11)



本文编号：3472106