千果论文网
论文范文
千果论文网免费提供各类论文范文,专注 毕业论文、职称论文!7年服务经验,质量保证!
当前位置:千果论文网 >> 论文下载 >> 论文摘要范文 >>浏览文章
谈权重信息瓶颈策略的特点权重本科毕业论文致谢
。5、在指出IB办法中非共现数据的共现转化拥有两阶段三视角特性的基础上,提出了加权二元化转换办法。两阶段三视角加权可从在非共现数据向共现数据的转化历程中,突出代表性属性来得到更准确反映数据特点的数据表示,从提升IB办法对非共现数据的分析效果。实验表明,TPAW-sIB算法优于CD-sIB、 ROCK、COOLCAT和LIMBO算法。      
摘要:信息瓶颈(Information Bottleneck, IB)办法是起源于信息论的数据分析办法。IB办法采取联合概率模型表示数据,从互信息为度量手段,拥存在很好的样本和样本属性相关性的表达能力。该办法在文本聚类、图像聚类、图像语义标注、语音识别、软件聚类和协同聚类等各种数据分析领域取得了丰硕的成果。但是与向量空间模型相比,联合概率模型缺乏样本属性重要度的表达能力,这使得现有的IB办法探讨中,大都忽视了属性重要度(属性权重)这个因素,以而影响了IB办法的数据分析效果。由此,IB办法的特点权重探讨的日的就是在IB办法上引入属性权重计算办法及赋权机制,以而达到突出重要属性、抑制冗余属性,提升IB办法的数据分析性能的目的。本义首先提出了以向量空间模型到加权联合概率模型的构造历程,而后体系性分析并提出了三种可行的加权办法:综合赋权IB办法、自学习权重机制和非共现数据加权二元化转化办法。实验表明,这三种办法是可行的和有效的,能够提升IB算法性能。同时,提出了互信息增益权重评价模式,在不影响聚类质量的前提下,有效降低了IB算法的运转时间。本论文成果对进一步探讨IB办法,提升IB办法的性能有一定作用,同时也为构造特点赋权的IB数据分析工具奠定了一定的基础。本论文的主要工作包括:1、深入分析了联合概率模型与向量空间模型表达能力的相同性和差别性,提出了IB办法中以向量空间模型到加权联合概率模型的构造历程。加权联合概率模型结合了向量空间模型和联合概率模型的优点,既能较好的表达出样本属性和样本的相关性,也能较好的表达出样本属性的重要度。2、为了将多属性决策中的综合赋权运用到IB办法中,提出了相对熵综合赋权IB办法。指出在综合赋权中无需区分主观赋权和客观赋权,并选择了相对熵办法从降低组合权重计算时间。同时,给出了一种基于三种代表性的客观权重案例(熵值法、均方差法和互信息法)的组合权重集选取办法,构建了相对熵综合赋权CWRE-sIB算法。实验表明,CWRE-sIB算法优于sIB算法和一系列单一权重赋权sIB算法。3、为了消除主观因素的影响,提出了IB办法上的自学习权重机制。在IB聚类历程中调整各个属性的权重,从得到最优赋权数据表示。聚类迭代中,根据权重对最终聚类结果的影响确定权重调整的方向及量值。实验表明,自学习权重是一种客观有效的权重计算办法,FWA_CDsIB算法优于CD-sIB算法。4、为了降低权重评价的时间消耗,提出了互信息增益权重评价办法。传统的权重评价办法依赖于聚类的评价结果,是一个有效、可行、但却十分耗时的任务。互信息增益评价模式可从在不影响聚类质量的前提下,有效降低算法运转时间。本论文中给出了两种典型方案:1)线性组合综合权重方案。对互信息增益评价出的最佳25%个加权数据聚类后,得到最优/次优结果的概率为100%。与此同时,节约了76.04%的运转时间;2)单一权重案例方案。对互信息增益评价出的最优25%个加权数据聚类后,得到最优/次优结果的概率超过75%,而运转时间节约了76.82%。5、在指出IB办法中非共现数据的共现转化拥有两阶段三视角特性的基础上,提出了加权二元化转换办法。两阶段三视角加权可从在非共现数据向共现数据的转化历程中,突出代表性属性来得到更准确反映数据特点的数据表示,从提升IB办法对非共现数据的分析效果。实验表明,TPAW-sIB算法优于CD-sIB、 ROCK、COOLCAT和LIMBO算法。 关键词:信息瓶颈办法论文 特点权重论文 综合赋权论文 自学习论文 权重评价论文 非共现数据论文
本论文由http://www.qqg88.com整理提供,需要 论文可从关系客服人员哦。

    摘要4-6

    Abstract6-13

    1 引言13-34

    1.1 信息瓶颈办法14-24

    1.1.1 聚类14-16

    1.1.2 率矢真和信息瓶颈16-18

    1.1.3 IB办法进展路线图18-19

    1.1.4 三种经典IB算法19-24

    1.2 联合概率模型24-25

    1.3 特点权重25-27

    1.4 论文的探讨内容27-31

    1.4.1 加权联合概率模型27-29

    1.4.2 综合赋权办法及自学习权重机制29-30

    1.4.3 互信息增益权重评价30

    1.4.4 非共现数据两阶段加权二元化转化办法30-31

    1.5 论文的探讨成果31-34

    1.5.1 课题来源与探讨作用31

    1.5.2 论文的主要成果31-32

    1.5.3 论文的章节安排32-34

    2 IB办法的综合赋权办法34-54

    2.1 特点权重34-35

    2.2 多属性决策和综合赋权35-37

    2.3 IB办法的相对熵综合赋权37-42

    2.3.1 IB办法综合赋权韵的特征38

    2.3.2 相对熵综合赋权38-39

    2.3.3 权重案例集的选取39-42

    2.4 相对熵综合赋权CWRE-sIB算法42-44

    2.4.1 算法伪码42-43

    2.4.2 时间复杂度分析43-44

    2.5 实验结果与分析44-52

    2.5.1 数据集44-45

    2.5.2 实验评价办法45-46

    2.5.3 实验结果46-52

    2.6 本章小结52-54

    3 IB办法的自学习权重机制54-67

    3.1 常见的自学习办法54-57

    3.2 IB办法中的权重自学习机制57-60

    3.2.1 IB迭代中特点权重引入办法58-59

    3.2.2 权重训练法则59-60

    3.3 FWA_CDsIB算法60-62

    3.3.1 算法伪码60-62

    3.4 实验结果与分析62-66

    3.4.1 实验数据集62

    3.4.2 实验评价办法62-63

    3.4.3 实验结果63-66

    3.5 本章小结66-67

    4 互信息增益权重评价67-85

    4.1 传统权重评价模式的运转时间分析67-69

    4.2 互信息增益权重评价的运转时间分析69-70

    4.3 互信息增益权重评价办法的形式化定义70-73

    4.4 基于方案的时间复杂度分析73-75

    4.4.1 基于单一权重案例的方案74-75

    4.4.2 基于线性组合法的方案75

    4.5 基于方案的实验结果与分析75-84

    4.5.1 数据集75

    4.5.2 实验评价办法75-76

    4.5.3 实验结果76-84

    4.6 本章小结84-85

    5 非共现数据两阶段加权二元化转化办法85-97

    5.1 权重案例的选取原则86-87

    5.2 加权粒度87-88

    5.3 两阶段三视角加权办法88-91

    5.4 TPAW-sIB算法91-92

    5.5 实验结果与分析92-96

    5.5.1 实验数据集92

    5.5.2 实验评估办法92-93

    5.5.3 实验结果93-96

    5.6 本章小结96-97

    6 总结与展望97-100

    6.1 工作总结97-98

    6.2 探讨展望98-100

    参考文献100-110

    致谢110-112

    个人简历112

    在学期间发表的学术论文112-113

    课题相关的基金项目113

千果论文网专注 毕业论文与职称论文以及论文 表业务,如有需要请联系客服人员!