学位论文 > 优秀研究生学位论文题录展示

半监督降维算法的研究及其在医学专家系统中的应用

作 者: 宋德华
导 师: 姚莉秀
学 校: 上海交通大学
专 业: 控制科学与工程
关键词: 降维 流形学习 机器学习 半监督学习
分类号: TP181
类 型: 硕士论文
年 份: 2013年
下 载: 36次
引 用: 0次
阅 读: 论文下载
 

内容摘要


近年来随着信息技术的发展,高维数据在科学界以及产业界出现的频率越来越高,特别是计算机视觉、模式识别、航空航天以及生物信息等高新领域。这些数据的高维特性往往会成为我们处理时的障碍,相关的算法面临着复杂度高导致计算结果不是最优的问题。降维是通过将数据由高维约减到低维,以揭示数据本身的内在低维结构。它作为克服“维数灾难”的方法在很多领域中都有着重要的作用。过去的几十年中,已经有很多降维算法被不断的提出来并被广大研究者深入研究,常用的像传统的降维算法PCA以及LDA;流形学习算法LLE、LED、ISOMAP以及LTSA等。早期的降维算法大多依赖数据样本的分类信息。然而随着信息技术的发展,很多时候有标签样本不容易获得,存在着大量的无标签样本。为了充分利用数据样本的信息,基于半监督思想的降维方法应用也越来越广泛。半监督学习作为近年来机器学习领域的研究热点之一,已经从最初的半监督分类和半监督聚类拓展到了半监督回归以及半监督降维等诸多领域。本论文就是基于一些实际应用,研究了部分半监督降维算法,具体如下:LLE算法在流形学习领域是非常经典的一种算法,但是其对于多类样本混合的数据集的降维效果不是很好。(1)作者在基于多流形学习的基础上对LLE进行了改进,并且根据项目需要融合了半监督学习的思想,提出了其半监督版本。(2)标签传播算法(LP)是一种基于图的半监督学习算法,其核心思想是通过保持原始数据间的某些特定结构,将部分有标签样本的标签信息通过某些方法传递给无标签样本,直到全局稳定状态。在基于标签传播算法的基础上,作者结合了局部线性嵌入算法的局部重构的思想,对基于判别信息的局部排列做了改进,提出了其半监督版本,采用流形结构上的重构权重结合部分标签信息已知的样本进行标签传播,利用传播后获得的全体数据软标签信息作为类别信息。并对该改进后的算法以及传统的半监督降维算法进行了实验对比分析。(3)近年来,医学辅助诊断系统一直是一个非常热门的话题,其在辅助诊断上的强大能力得到了医生以及病人的肯定,对医学诊断的发展也起着非常重要的推动作用,同时,病例数据的特殊性,也推动着数据降维,特征选择等一系列数据挖掘工作的研究。在众多的医学辅助诊断系统中,应用最广的当属基于图像的辅助诊断系统以及基于病例输入特征的辅助诊断系统。由于超声图像的强噪声特性,其在基于图像的辅助诊断上仍在探索阶段,但是基于输入特征的辅助诊断效果已经较让人满意。本文就是针对输入病例特征对超声医学图像进行辅助诊断。

全文目录


摘要  3-5
ABSTRACT  5-10
第一章 . 绪论  10-16
  1.1 课题研究背景及意义  10-11
  1.2 课题研究现状  11-14
    1.2.1 数据降维研究现状  11
    1.2.2 流形学习研究现状  11-12
    1.2.3 半监督学习方法研究现状  12-14
    1.2.4 医学专家系统研究现状  14
  1.3 本文研究内容和结构安排  14-16
    1.3.1 本文主要研究内容  14-15
    1.3.2 本文结构安排  15-16
第二章 . 降维算法介绍  16-30
  2.1 引言  16
  2.2 降维算法介绍  16-23
    2.2.1 PCA  16-17
    2.2.2 LDA  17-19
    2.2.3 LLE  19-20
    2.2.4 ISOMAP  20-22
    2.2.5 LE  22-23
    2.2.6 LTSA  23
  2.3 基于谱分析的降维框架:片排列  23-29
    2.3.1 部分优化  25
    2.3.2 整体排列  25-26
    2.3.3 基于判别信息的局部排列降维算法  26-29
      2.3.3.1 DLA 部分优化  26-28
      2.3.3.2 DLA 整体排列  28-29
  2.4 小结  29-30
第三章 . 基于多流形学习的半监督降维算法  30-38
  3.1 引言  30
  3.2 基于多流形学习的 LLE 降维算法  30-33
    3.2.1 基于 LLE 算法的数据降维与聚类  30-32
    3.2.2 流形空间的确定  32-33
  3.3 半监督多流形学习  33-34
    3.3.1 有监督 LLE 降维算法  33-34
    3.3.2 半监督 LLE 降维算法  34
  3.4 基于多流形学习的半监督 LLE 算法  34-35
  3.5 多流形学习的半监督 LLE 算法实验  35-37
    3.5.1 基于多流形学习等 LLE 与基本 LLE 降维的实验  35-37
  3.6 小结  37-38
第四章 . 基于流形保持的半监督降维算法  38-50
  4.1 引言  38
  4.2 基于类别标号的半监督降维  38-40
    4.2.1 半监督概率 PCA(S2PPCA)  39
    4.2.2 分类约束降维  39-40
  4.3 基于成对约束的半监督降维  40-41
    4.3.1 约束 Fisher 判别分析(cFDA)  40
    4.3.2 约束局部保持投影算法(cLPP)  40-41
    4.3.3 基于其他监督信息的方法  41
  4.4 基于流形保持的半监督降维  41-48
    4.4.1 标签传播算法  42
    4.4.2 流形结构保持的标签传播半监督降维算法(MSPLP)  42-46
      4.4.2.1 概率标签矩阵  43-44
      4.4.2.2 基于标签概率的排列矩阵  44-46
      4.4.2.3 算法步骤  46
    4.4.3 基于流形保持的半监督降维算法实验  46-48
      4.4.3.1 YALE  46-48
      4.4.3.2 FERET  48
  4.5 小结  48-50
第五章 . 半监督降维算法在医学专家系统中的应用  50-60
  5.1 引言  50
  5.2 超声医学辅助诊断系统  50-56
    5.2.0 数据输入  52-53
    5.2.1 数据降维  53
    5.2.2 数据分类算法  53-55
      5.2.2.1 贝叶斯算法  54
      5.2.2.2 支持向量机算法  54-55
      5.2.2.3 K 近邻分类算法  55
    5.2.3 辅助诊断结果  55-56
  5.3 基于多流形学习 SSLLE 在超声辅助诊断系统中的应用  56
  5.4 流形结构保持的 SSDLA 在超声辅助诊断系统中的应用  56-57
  5.5 讨论  57-58
  5.6 小结  58-60
第六章 . 结束语  60-62
  6.1 总结  60
  6.2 展望  60-62
参考文献  62-66
致谢  66-68
攻读硕士学位期间已发表或录用的论文  68-71
附件  71

相似论文

  1. 基于流形学习的高维流场数据分类研究,V231.3
  2. 唇读中的特征提取、选择与融合,TP391.41
  3. 基于流形学习的数据降维技术研究,TP311.13
  4. 英汉命名实体翻译方法研究,TP391.2
  5. 应用层协议识别和还原方法的研究与实现,TP393.08
  6. 生物医学缩略语消歧,R-5
  7. 基于数据分布特征的文本分类研究,TP391.1
  8. 基于分类器融合的人脸识别研究,TP391.41
  9. 基于判别型典型相关分析的多流形识别,TP391.41
  10. 基于局部优化投影的人脸识别方法研究,TP391.41
  11. 基于词跨度的中文文本关键词提取及在文本分类中的应用,TP391.1
  12. 基于支持向量机的基因表达数据降维方法的研究,TP181
  13. 人类抗原肽载体结合力预测,R392.1
  14. 流形学习中样本点稀疏问题的研究,TP391.41
  15. 基于茧丝纤度序列的多总体分类判别及其比较,O212
  16. 基于半监督模糊聚类的入侵防御技术研究,TP393.08
  17. 李群深层结构学习算法研究,TP181
  18. 基于标记样本和相似度调整的k均值算法在文本聚类中的应用,TP181
  19. 机器学习算法在视频指纹识别中的应用研究,TP391.41
  20. 指纹图像分割方法评价与半监督学习在指纹图像分割中的应用研究,TP391.41
  21. 蛋白质关系抽取中平面特征和结构化信息的研究,TP181

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