2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩91頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、傳統(tǒng)的有監(jiān)督機器學習以及數據挖掘算法有一個重要的假設:訓練數據以及測試數據服從同樣的概率分布。然而在大量實際的應用中,這個假設往往不成立。更為普遍的情況是,少量訓練數據與測試數據來自同一分布,而大部分訓練數據與測試數據的分布不一致,但存在關聯(lián)。在最近的研究中,此類情況被分成幾種不同的問題進行描述:訓練數據出現(xiàn)采樣偏差,訓練數據與測試數據來自不同的領域,訓練數據或測試數據包含了(不同的)噪聲;并對應著幾種不同的解決方法:采樣偏差更正,遷移

2、學習,不確定性挖掘。然而,過多的問題描述以及解決方案容易在實際中引起混淆。所以,這存在一個挑戰(zhàn),是否存在一個方法,它能同時有效并準確地解決以上提出的問題?
   本文就此提出一個用于分類的統(tǒng)一學習框架--普遍學習。在這個框架中,以上提及的不同問題都能被定義以及形式化。接著,本文在對當前普遍學習的現(xiàn)狀分類別進行回顧,總結和分析了普遍學習幾個典型的問題以及有代表性的算法;在此基礎上,著重研究了如何對數據進行代表點選擇以及特征空間變換

3、,從而消除訓練數據與測試數據之間分布的不一致。本文的主要研究工作如下:(1)針對普遍學習情況下的分類問題,提出三種不同的學習算法:1.基于核空間映射以及聚類代表點選擇;2.基于最大邊緣的代表點選擇;3.基于特征構建的空間映射。本文對三個算法都進行了詳細地討論,分別給出了數學證明以及實驗對比。(2)針對普遍學習條件下的模型與數據選擇問題,進一步提出一種新型的交叉驗證方法,它能在挑選模型或數據時去除分布不一致帶來的誤差。最后,本文總結并對下

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。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,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確性、安全性和完整性, 同時也不承擔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。

評論

0/150

提交評論