版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、核方法是機(jī)器學(xué)習(xí)領(lǐng)域中解決非線性學(xué)習(xí)問題的一種有效方法,大都要求核函數(shù)正定,然而,在實(shí)際問題中這樣的要求常常很難滿足;相反,在某些情況下,使用不定核往往能取得比正定核更好的效果,如基因識別、目標(biāo)檢測問題等。
近年來,不定核問題越來越受到研究者們的關(guān)注,多種解決不定核分類問題的方法被提出并取得很好的效果,如譜變換方法、正定核替代策略等。然而,關(guān)于不定核聚類問題的研究卻相對較少,現(xiàn)有基于核的聚類算法也大都基于正定核,不能直接處理核
2、函數(shù)不定的情況。
鑒于已有不定核方法在分類問題中的優(yōu)異表現(xiàn),本文希望借助這些方法研究基于不定核的聚類問題。具體地,本文以經(jīng)典的基于核的大間隔聚類模型(MaximumMargin Clustering,MMC)為基礎(chǔ),提出了一種基于不定核的大間隔聚類模型(IndefiniteKernel Maximum Margin Clustering,IKMMC)。IKMMC采取正定核替代策略,尋求一個正定核以逼近不定核,并將度量二者差異性
3、的F-范數(shù)作為一個正則化項嵌入到MMC模型中,進(jìn)而得到IKMMC模型。
針對該模型,本文選取了迭代優(yōu)化方法進(jìn)行優(yōu)化:首先給樣本賦初始類別標(biāo)記,在每輪迭代中,不定核聚類問題被轉(zhuǎn)化為帶有類平衡約束的不定核支持向量機(jī)(Indefinite Kernel Support Vector Machine,IKSVM)問題,并被進(jìn)一步表達(dá)為半無限規(guī)劃(Semi-infinite Programming,SIP)形式求解;本輪優(yōu)化得到的樣本預(yù)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于最大間隔聚類算法的SVM反問題研究.pdf
- 基于最大間隔的多標(biāo)記特征選擇算法.pdf
- 基于核函數(shù)的模糊聚類算法研究.pdf
- 基于高斯核的KSOFM聚類算法研究.pdf
- 基于核學(xué)習(xí)方法的聚類算法研究.pdf
- 雙正則最大間隔規(guī)劃算法研究.pdf
- 基于聚類和核方法的數(shù)據(jù)挖掘算法研究.pdf
- 核聚類算法研究及其在文本聚類中的應(yīng)用.pdf
- 基于胡氏大間隔近鄰的企業(yè)輿情分類算法的研究.pdf
- 基于核函數(shù)參數(shù)優(yōu)化的FCM聚類算法的研究.pdf
- 距離度量學(xué)習(xí)的理論與算法研究:核回歸、大間隔最近鄰與Fisher線性判別.pdf
- 基于GA優(yōu)化的核模糊C均值聚類算法的研究.pdf
- 基于層次聚類的模糊聚類算法的研究.pdf
- 基于流形距離核的譜聚類算法研究及其應(yīng)用.pdf
- 基于代價敏感的最大間隔準(zhǔn)則方法研究.pdf
- 核聚類算法及其應(yīng)用研究.pdf
- 基于核模糊聚類算法的網(wǎng)絡(luò)入侵檢測系統(tǒng)研究.pdf
- 基于樣本-特征加權(quán)的模糊核聚類算法研究及應(yīng)用.pdf
- 基于譜聚類的文本聚類算法研究.pdf
- 基于改進(jìn)量子進(jìn)化核聚類算法的圖像分割.pdf
評論
0/150
提交評論