学位论文 > 优秀研究生学位论文题录展示
基于人工免疫的半监督学习模型的研究
作 者: 李静
导 师: 吴陈
学 校: 江苏科技大学
专 业: 模式识别与智能系统
关键词: 人工免疫系统 半监督学习 特征提取
分类号: TP181
类 型: 硕士论文
年 份: 2010年
下 载: 35次
引 用: 0次
阅 读: 论文下载
内容摘要
随着机器学习在数据分析和数据挖掘等问题中的广泛应用,作为模式识别和机器学习中重要的研究领域,半监督学习在理论和应用中也获得了长足的发展。半监督学习是在已知部分标注样本的情况下,同时利用已标注样本和未标注样本进行学习的一种学习算法。相比较于监督学习算法,它节省了标注样本所需要的大量成本,相比较于无监督来说,它保证了准确度。以往的半监督学习方法中存在许多复杂的数学公式运算,计算起来往往比较复杂。近年来,基于生物系统的仿生机理越来越成为诸多领域的研究热点。像遗传算法、蚁群算法、粒子群算法等,都是对生物基本原理的研究,并逐渐将其应用到机器学习、模式识别等领域。将生物系统的某些原理运用到人工智能等领域,可以达到简化计算,操作简单,提高准确度等效果。本文基于生物的免疫机制提出一种新的半监督学习算法。新算法将免疫系统中的抗原—抗体、免疫应答及免疫记忆等基本原理应用到半监督学习中,把免疫系统中的初始应答看作是训练阶段,二次应答看作是测试阶段,对训练样本通过进化学习算法进行学习,充分利用了免疫系统所具有的强大的信息处理能力,从而克服了传统半监督学习算法计算复杂的缺点。最后,通过在ORL人脸图像上的实验验证算法的可行性。实验结果表明,新算法具有很好的自学习、自组织、自适应能力,与基于人工免疫的监督学习算法相比,它节省了标注样本所需成本,在识别率方面也取得了很好的效果。
|
全文目录
摘要 5-6 Abstract 6-11 第1章 绪论 11-16 1.1 课题背景及意义 11-12 1.2 国内外发展现状 12-14 1.2.1 人工免疫系统研究进展及现状 12-13 1.2.2 半监督学习研究进展及现状 13-14 1.3 课题的提出 14 1.4 课题研究内容及方法 14 1.5 论文结构 14-15 1.6 本章小结 15-16 第2章 相关基础知识 16-33 2.1 人工免疫系统 16-22 2.1.1 生物免疫系统的基本原理 16-18 2.1.2 生物免疫系统的功能及特征 18-19 2.1.3 人工免疫系统 19-20 2.1.4 人工免疫系统的应用 20-22 2.2 半监督学习 22-32 2.2.1 半监督学习的思想 22-25 2.2.2 半监督学习的方法 25-28 2.2.3 几种已有学习算法的半监督学习框架 28-32 2.3 本章小结 32-33 第3章 基于人工免疫的半监督学习模型 33-46 3.1 人工免疫算法 33-37 3.1.1 免疫算法 33-34 3.1.2 人工免疫算法 34-37 3.2 基于人工免疫的监督学习算法 37-39 3.3 新算法的提出 39-40 3.4 基于人工免疫的半监督学习算法 40-45 3.4.1 亲和度计算方法 40-41 3.4.2 符号说明 41-43 3.4.3 算法描述 43-45 3.4.4 算法优越性 45 3.5 本章小结 45-46 第4章 算法实现及结果分析 46-58 4.1 实验平台 46 4.2 实验步骤 46 4.3 实验数据的选取及处理 46-49 4.3.1 实验数据选取 46-47 4.3.2 实验数据处理 47-49 4.4 实验系统设计 49-50 4.5 实验结果 50-56 4.5.1 实验一 51 4.5.2 实验二 51 4.5.3 实验三 51-52 4.5.4 实验四 52-53 4.5.5 实验五 53-56 4.6 算法性能分析 56 4.7 本章小结 56-58 总结与展望 58-60 总结 58 展望 58-60 参考文献 60-63 攻读学位期间发表的学术论文 63-64 致谢 64-65 详细摘要 65-69
|
相似论文
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- Q学习在基于内容图像检索技术中的应用,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 空间交会接近视觉测量方法研究,TP391.41
- 图像实时采集、存储与处理方法研究,TP391.41
- 唇读中的特征提取、选择与融合,TP391.41
- 多币种纸币处理技术的研究与实现,TP391.41
- 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 移动机器人视觉检测和跟踪研究,TP242.62
- 高光谱与高空间分辨率遥感图像融合算法研究,TP751
- 基于随机森林的植物抗性基因识别方法研究,Q943
- 基于图像处理技术的烟叶病害自动识别研究,S435.72
- 基于视觉的番木瓜外观品质检测技术研究,S667.9
- 羊绒与羊毛纤维鉴别系统的研究,TS101.921
- 红外图像目标识别及跟踪技术研究,TP391.41
- 水下目标特征的压缩与融合技术研究,TN911.7
- 高光谱图像技术诊断黄瓜病害方法的研究,S436.421
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论 > 自动推理、机器学习
© 2012 www.xueweilunwen.com
|