一种新的邻域重构法及其在机器学习中的应用

发布时间：2024-02-15 18:24

　　近年来,人工智能技术取得了突破性的进展,引起了学术界和工业界的高度重视,甚至受到国家层面的政策关注.人工智能技术主要应用在计算机视觉、语言和图像处理、医疗诊断、机器人控制、人脸识别、金融和经济、保健以及教育等方面.其中,最广为人知的人工智能成果莫过于由谷歌(Google)旗下DeepMind公司开发的曾击败人类职业围棋选手的计算机程序-AlphaGo.人工智能技术最核心的内容就是机器学习算法.机器学习是一门多领域交叉的学科,专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能.子空间法是机器学习算法的一类重要的算法.子空间法用领域子空间来对对应的样本点进行描述,并以此作为对应样本的本征参数,最后根据本征参数实现对样本的降维重构.经典的子空间法有局部线性嵌入(LLE)和拉普拉斯嵌入(LE)等.目前,大部分子空间法主要关注于如何利用子空间来对中心样本进行描述,并提取本征参数.例如LLE方法用领域样本对对应中心样本的最小二乘表示系数作为对应中心样本的本征参数.本文提出了一种新颖的并且简单有效的领域重构方法(NRM).这是一种对于基于图...

【文章页数】：46 页

【学位级别】：硕士

【部分图文】：

图１．１为了在半径ｒ里面找到两个邻域点，需要的采样数据量随着样本自身维度的增加也呈??指数关系的增长．这样子的情况，在高维空间中需要消耗大量的计算量和存储空间．??

着对本征流形有更密集的采样，所以在表示子空间的时候中心点能得到更近的邻域??点．显然更大的数据集意味着更近的邻域点可以被采集到．但是，由于样本空间非常??高的维度，这需要大量的采样．图１．１表明了这个问题．??１．３本文的研究内容??基于图的子空间算法第一步要做的就是为每个样本点....

图４．１重构得到的邻域点的分布．蓝色的虚线曲线代表本征流形．在蓝色曲线上的蓝色点是??采样点．绿色的点是一个选定的中心点，其附近的两个黄色点为邻域点．红色的小点是根据??

第四章领域重构法收敛性分析??在本章，我们通过分析；Ｘｊｉ?＋?来证明邻域重构法在本征流形附近的收??敛性．同时我们给出最优的ｃ参数数值．图４．１是我们基于邻域重构法做了一个的模拟??实验结果．在这小实验里面，我们记录了当分别变化参数迭代次数ｓ和调节参数Ｃ时，??得到的重构点的分....

图５．１用不同的算法将图片ｓｏｌｄｉｅｒ？放大３倍之后的效果对比．??

中展示了对于每个中心点，邻域点数量选择对算法性能的影响．与原Ａ＋类似，邻域??重构法增强后的Ａ＋在邻域点数量是２０４８时遇到了瓶颈．Ａ＋原文中对这种现象的解??释是由训练集的规模大小所决定的．在图５．３（０中我们展示了原Ａ＋和用邻域重构法??增强后的Ａ＋结果评分比较．我们在比较的....

图５．２用不同的算法将图片ｂｕｉｌｄｉｎｇ放大３倍之后的效果对比．??

（ａ）?Ｏｒｉｇｉｎａｌ?（ｂ）?Ｂｉｃｕｂｉｃ，２３．２（ｄＢ）?（ｃ）?Ｚｅｙｄｅ［３３］，?２４．１（ｄＢ）（ｄ）?ＮＥ＋ＬＬＥ，２４．０（ｄＢ）??￥?ＩＰ?ｆｉｌｌ：??（ｅ）?Ａ＋［３０］，２４．４（ｄＢ）?（ｆ）?ｓｒｃｎｎ［２８］，２４．５（ｄＢ）?（ｇ）?ＲＦＬ....

本文编号：3900143