【摘 要】
：
随着信息社会的爆炸式发展,机器学习需要面对的是一个训练样本庞大、实时数据流以及训练样本极少带标签的复杂环境,半监督式增量学习作为一个新兴的研究方向,对机器学习水平
论文部分内容阅读
随着信息社会的爆炸式发展,机器学习需要面对的是一个训练样本庞大、实时数据流以及训练样本极少带标签的复杂环境,半监督式增量学习作为一个新兴的研究方向,对机器学习水平的提高,乃至对整个信息时代的发展都有着非常重要地意义。本文在研究了传统算法的基础上,对半监督式增量学习进行了深入地探索,主要研究内容如下：(1)查阅了大量国内外参考文献,讨论了现阶段半监督式增量学习的研究进展,阐述了目前分类器算法无法适应复杂环境的问题,并对机器学习、统计学习理论及支持向量机理论做了简要分析,为下文将要展开的研究做好理论铺垫。(2)针对训练样本为实时数据流、庞大数据集的情况,对现有几种增量学习算法进行了全面比较,在此基础上改进了KKT条件,并引入错误驱动策略,提出了基于KKT条件的错误驱动SVM增量学习算法,通过两组实验表明该算法在优化分类器效果,提高分类器性能方面具有良好的作用。(3)上文算法虽然很好地解决了增量学习问题,但其学习系统需要一次性完全获得训练样本的类别标签,针对该问题,采用半监督式学习,在深入解析了TSVM原理的基础上,结合K值最邻近分类算法,得到KNN-TSVM,并将该算法与增量学习算法相集合,得到基于KNN-TSVM的增量学习算法,对不同实验的仿真比较验证了该算法在强化分类器性能,提高训练速度,特别是在样本总量较大而带标签样本较少的情况下所具有的极好适应性。(4)将基于KNN-TSVM的增量学习算法与图像预处理、图像特征提取等技术手段相结合,形成一个完整的模式识别框架,并应用于实际的工业流程——太阳能电池板缺陷检测。实物仿真也验证了算法在实际应用中的有效性。
其他文献
《燃料电池汽车动力系统网络通信协议的实现》这个课题是产生于国家高科技研究发展计划(863计划)项目"网络、总线、通信协议的研究"(项目编号:2001AA501992)和"燃料电池汽车
危险化学品输送管道的泄漏检测是保证安全生产的重要环节。由于危险化学品的强腐蚀、易燃、易爆、有毒、放射性等危险特性,危险化学品输送管道泄漏检测系统要具有响应时间快
本课题来源于为教研室所开发的地理信息系统(GIS)中点状符号库的设计工作。 地图是GIS的重要组成部分，它是GIS向用户传达信息的重要手段。而地图符号则是地图的语言，是地图
本文致力于路面图象病害自动检测算法的研究和实现。 首先本文分析了路面图象的特点，并对原始路面图象进行了必要的预处理，然后结合病害的定义和形态将病害分为块状和裂缝状
决策者的情感认知在进行复杂多目标决策过程中起着关键的作用,如果能够使计算机掌握决策者的决策情感认知规律,对于提升计算机辅助多目标决策的能力和水平具有重要的意义。论
液压盘形制动系统采用液压控制与电气控制相结合的控制手段，安全可靠、控制灵活，具有输出扭矩大、散热性能好及便于调试维修等优点，已经被广泛应用于各个领域。目前，矿井提升机绝大部分都是采用液压盘形制动系统进行制动。但是，在制动过程中，提升机没有较为舒适的手感，甚至会出现冲击震荡，这都是由于液压盘形制动系统在制动过程中存在着较多非线性因素，使提升机难以进行平稳制动。本文通过分析液压提升机盘形制动系统中存在
作为国民经济发展的重要支柱产业之一，过程工业在生产运行时为了保障设备的安全、提高生产效率、改善产品质量，特别是尽可能避免灾难性事故的发生，对其进行故障检测和故障分离是十分必要的。在故障分离方法中，通过统计量的有效分解确定引起故障的根本原因是故障诊断领域的一个热点问题。而MYT分解作为一种统计量分解方法，它能将T2统计量分解成有限个正交项，这些正交项表示各变量对该统计量的贡献大小。但是实际应用过程中
图像配准技术在机器视觉、模式识别、医学图像分析、遥感图像处理等诸多领域中的研究热点.该文在分析与探讨多源卫星图像配准技术难点的基础上,结合项目的应用背景,确定以ERS
矿井突水事故严重影响我国煤炭安全生产。预防矿井突水事故的前提条件是能够及时准确的识别矿井突水水源。为了确保矿井的安全生产,需要及时发现矿井水质变化,了解这种变化的
该文介绍了网络存储技术的研究进展,提出了IP-SWAN的概念,并对IP-SWAN的系统设计、结构模型、性能评测、性能模型和影响因素等进行了深入的分析和研究.本论文的研究工作主要