导读:本文包含了混杂度量论文开题报告文献综述及选题提纲参考文献，主要关键词:度量学习,核回归,几何平均,支持向量
混杂度量论文文献综述
齐忍[1]（2018）在《混杂和多输出数据的度量学习方法研究》一文中研究指出随着信息时代的快速发展,医疗保健、多媒体检索和科学研究等领域的混杂和多输出数据量快速增长。由混杂和多输出数据构成的聚类,分类或回归等任务面临着巨大的挑战,有效利用混杂鱼多输出数据的特征计算样本之间的距离或相似性是至关重要的。本文围绕着混杂与多输出数据分类任务的需求,沿着混杂数据度量学习方法和多输出数据度量学习方法展开研究,其主要工作和创新点如下。(1)提出了混杂数据的多核几何平均度量学习。该方法通过不同的核函数分别将数值型数据和符号型数据映射到可再生核希尔伯特空间,同时,将度量学习问题转化为求黎曼流形上的两个点的中心点的问题.为避免过度拟合,优化目标通过对称化的LogDet分歧进行调整。基于几何平均的多核度量学习算法能得到一个封闭形式的解,该算法在精度和效率两方面均优于已存的度量学习方法。(2)提出了一种用于数值型和符号型数据混杂的的支持向量度量学习框架。几乎所有现有的算法都侧重于定义新的距离度量标准,而不是学习混杂数据的有判别性的度量算法。该方法为混杂数据定义了样本对核,然后将度量学习转换为样本对分类问题。所提出的模型可以通过标准的支持向量机求解器有效地解决。为了考虑数值和符号数据的重要性,开发了多核学习模型来学习混合数据的加权度量。混杂数据上的实验验证了提出的度量学习模型的可靠性能。(3)提出了一种新的核回归度量学习框架。由于大多数现有的度量学习方法致力于依赖样本对之间的相似和不相似关系来学习相似度或距离度量。然而,在许多现实应用中,不能简单地将样本对定义为相似或不相似,例如,多标签学习,标签分布学习和具有连续决策值的任务。由于两个样本的关系可以通过决策值的差异程度来衡量,根据样本关系在特征空间和决策空间中的一致性,我们提出的回归度量学习利用决策空间中的样本关系来指导在特征空间中的度量学习。通过这种方式,我们的回归度量学习方法将度量学习作为核回归问题。我们对单标签分类,多标签分类和标签分布学习任务进行了多次实验,实验证明我们的方法对照最先进的方法取得了良好的性能。(本文来源于《天津大学》期刊2018-05-01）
齐忍,朱鹏飞,梁建青[2]（2017）在《混杂数据的多核几何平均度量学习》一文中研究指出在机器学习和模式识别任务中,选择一种合适的距离度量方法是至关重要的.度量学习主要利用判别性信息学习一个马氏距离或相似性度量.然而,大多数现有的度量学习方法都是针对数值型数据的,对于一些有结构的数据(比如符号型数据),用传统的距离度量来度量两个对象之间的相似性是不合理的;其次,大多数度量学习方法会受到维度的困扰,高维度使得训练时间长,模型的可扩展性差.提出了一种基于几何平均的混杂数据度量学习方法.采用不同的核函数将数值型数据和符号型数据分别映射到可再生核希尔伯特空间,从而避免了特征的高维度带来的负面影响.同时,提出了一个基于几何平均的多核度量学习模型,将混杂数据的度量学习问题转化为求黎曼流形上两个点的中心点问题.在UCI数据集上的实验结果表明,针对混杂数据的多核度量学习方法与现有的度量学习方法相比,在准确性方面展现出更优异的性能.(本文来源于《软件学报》期刊2017年11期）
林金官,陈雪平[3]（2014）在《关于因析设计混杂度量的研究进展》一文中研究指出对因析设计在混杂度量方面的前沿研究进行了回顾,包括二水平正规设计的最大分辨度准则和最小低阶混杂准则,二水平非正规设计的J值,素数幂情形时的最小杂合准则,以及混合水平时的广义最小低阶混杂准则,另外也包括一般最小低阶混杂准则和基于矩阵像的混杂度量准则。(本文来源于《南通职业大学学报》期刊2014年04期）
陈雪平,张应山[4]（2012）在《强度2混合水平正交表交互作用的混杂度量》一文中研究指出从数学模型出发,利用多边矩阵理论中的分解算子和特征值的极值性质,研究了强度2混合水平正交表交互作用的混杂度量,并提出了若干混杂度量指标.(本文来源于《系统科学与数学》期刊2012年07期）
混杂度量论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在机器学习和模式识别任务中,选择一种合适的距离度量方法是至关重要的.度量学习主要利用判别性信息学习一个马氏距离或相似性度量.然而,大多数现有的度量学习方法都是针对数值型数据的,对于一些有结构的数据(比如符号型数据),用传统的距离度量来度量两个对象之间的相似性是不合理的;其次,大多数度量学习方法会受到维度的困扰,高维度使得训练时间长,模型的可扩展性差.提出了一种基于几何平均的混杂数据度量学习方法.采用不同的核函数将数值型数据和符号型数据分别映射到可再生核希尔伯特空间,从而避免了特征的高维度带来的负面影响.同时,提出了一个基于几何平均的多核度量学习模型,将混杂数据的度量学习问题转化为求黎曼流形上两个点的中心点问题.在UCI数据集上的实验结果表明,针对混杂数据的多核度量学习方法与现有的度量学习方法相比,在准确性方面展现出更优异的性能.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
混杂度量论文参考文献
[1].齐忍.混杂和多输出数据的度量学习方法研究[D].天津大学.2018
[2].齐忍,朱鹏飞,梁建青.混杂数据的多核几何平均度量学习[J].软件学报.2017
[3].林金官,陈雪平.关于因析设计混杂度量的研究进展[J].南通职业大学学报.2014
[4].陈雪平,张应山.强度2混合水平正交表交互作用的混杂度量[J].系统科学与数学.2012