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65頁未讀, 繼續(xù)免費閱讀

下載本文檔

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),請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、機器學(xué)習(xí)是人工智能領(lǐng)域重要的議題之一,廣泛的應(yīng)用于視頻、圖像、生物信息處理、系統(tǒng)控制等領(lǐng)域。在傳統(tǒng)的機器學(xué)習(xí)中,各類機器學(xué)習(xí)模型依據(jù)學(xué)習(xí)過程的不同被分為監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)兩種相異的數(shù)據(jù)處理方法。在監(jiān)督學(xué)習(xí)中,系統(tǒng)根據(jù)大量的標(biāo)簽樣本學(xué)習(xí)得到具有優(yōu)良模型泛化能力的分類器,然后利用該分類器對未知樣本進行類別標(biāo)記;非監(jiān)督學(xué)習(xí)則根據(jù)模型假設(shè)對無標(biāo)簽樣本進行非標(biāo)簽聚類,從而得到樣本間的相互關(guān)系。比較兩類方法可以發(fā)現(xiàn),監(jiān)督學(xué)習(xí)方法雖然分類準(zhǔn)確,但數(shù)

2、據(jù)標(biāo)簽的標(biāo)定耗時耗力,而非監(jiān)督方法雖然具有省時省力等多方面的優(yōu)點,但由于指導(dǎo)信息的缺失,導(dǎo)致其對數(shù)據(jù)的歸類效果不理想。為此,如何將監(jiān)督方法與非監(jiān)督方法結(jié)合,設(shè)計一種半監(jiān)督聚類方法,從而結(jié)合非監(jiān)督方法的各自優(yōu)點已成為當(dāng)下研究的重點問題之一。
  為解決上述問題,本文首先引入狄利克雷混合模型(Dirichlet Process Mixture Model,DPMM)。該模型是一種在數(shù)據(jù)分析中具有良好類別估算和概率表達(dá)能力的聚類模型,具

3、有建模能力強大、模型可擴展性好等突出優(yōu)點,因此被廣泛的應(yīng)用處理各類復(fù)雜的概率建模問題。拋開這類模型優(yōu)勢,DPMM聚類結(jié)果受數(shù)據(jù)復(fù)雜度的影響較大,聚類能力容易隨聚類樣本復(fù)雜度的增加而下降。針對這類問題,本文首先結(jié)合少量監(jiān)督信息,提出一種結(jié)合監(jiān)督學(xué)習(xí)的半監(jiān)督狄利克雷混合模型(Semi-supervised Dirichlet Process Mixture Model,SDPMM),然后針對此框架推導(dǎo)了估算后驗概率的變分推理算法。最后為驗證

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。

評論

0/150

提交評論