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

基于人工免疫的半监督学习模型的研究

内容摘要

全文目录

相似论文