无监督极限学习机降维方法研究

发布时间：2022-01-02 13:48

　　极限学习机最早被提出用于训练单隐层前馈神经网络,与传统的前馈神经网络学习算法相比,不仅学习速度快,还能找到全局最优解,为回归和多分类任务提供了一种简单而有效的方法。近年来,虽然越来越多的学者对ELM的理论和应用研究产生了广泛的兴趣,但研究重点仍主要集中在有监督学习任务上。而实际应用中带类标签的数据不易获得,因此将ELM推广到无监督学习任务中是非常有必要的。本文以极限学习机为基础,针对降维方法展开研究,提出三种极限学习机降维模型,主要完成如下工作:1、子空间方法认为高维数据分布于多个线性子空间中,同类样本分布在同一个线性子空间中,不同类样本分布在不同的线性子空间中。因此,高维数据的多线性子空间结构中蕴含着判别信息。为使ELM降维过程中不丢失这一信息,本文提出基于子空间结构保持的极限学习机降维方法。该方法利用子空间技术学习高维数据的子空间结构,并在极限学习机投影过程中保持子空间结构。2、流形正则思想经常被用于降维方法中,如无监督极限学习机（US-ELM）,其本质是使原空间中距离近的样本投影后也越接近。然而,在高维空间中样本间距离度量的类区分性随着维数增加而减弱。针对这一问题,本文对US-E... 

【文章来源】：福州大学福建省 211工程院校

【文章页数】：57 页

【学位级别】：硕士

【部分图文】：

图２－１?ＥＬＭ网络结构示意图??１?＝．．＂＿?＝

将8个数据集映射到不同维度特征空间时的聚类准确率

并且随着投影维数的增加聚类准确率总体上呈现先上升后下降的趋势。??３．４．３参数分析??ＬＲＰ－ＥＬＭ和ＳＰ－ＥＬＭ模型均有两个参数；Ｉ和Ｖ，图３－２和图３－３分别描述了??两个参数变化对ＬＲＰ－ＥＬＭ和ＳＰ－ＥＬＭ算法降维后聚类的准确率的影响。其中，??每个数据的维数设置为取得最高聚类准确率时的投影维数即表３－１中的维数。从??图３－２和图３－３可以看出ＬＲＰ－ＥＬＭ和ＳＰ－ＥＬＭ算法均在参数；Ｉ取值较小时，可??以取得较理想的聚类结果。对于参数…两个算法取得较理想的聚类效果时不同??的数据集对应的；７取值相差较大。??ＬｅｕｋｅｍｉａＯ?Ｌｅｕｋｅｍｉａｌ??＿?Ｓ??４?Ｊ?Ｊ?－Ｖ?ｌ８＇?＊?＾?３?＾??Ｌｅｕｋｅｍｉａ２?ＳＲＢＣＴ??、?－３??ＤＬＢＣＬ?ＰｒｏｓｔａｌｅＯ??＿?＿??心?４?＾?＾?４，３??１６??

【参考文献】：
期刊论文
[1]潜在最小二乘回归子空间分割方法[J]. 陈晓云,陈慧娟.  模式识别与人工智能. 2016(01)
[2]局部子空间聚类[J]. 刘展杰,陈晓云.  自动化学报. 2016(08)



本文编号：3564289