河北大学2009届本科生毕业论文（设计）基于半监督学习方法的研究摘要近几年来随着机器学习在数据分析和数据挖掘中的广泛应用,半监督学习的理论研究成果已经部分应用于实际问题的解决。半监督学习(Semi-supervisedLearning)是模式识别和机器学习中的重要研究领域,一直为国际机器学习界所广泛关注。本文主要研究了半监督学习方法，具体考虑了不同度量对半监督学习的影响。考虑关于标记的和未标记数据的一般问题的学习，其通常被称为半监督学习或转导推理。半监督学习的原则性方法是定义一个有关标记的和未标记的点集的固有结构所共同显现的足够平稳的分类函数。实验结果表明，使用指数度量的GCM算法的性能最优，而使用欧几里得度量的GCM算法的性能最差；另外，不同度量中的参数取值对算法的性能具有一定的影响。关键词：半监督机器学习GCMCMABSTRCATWithMachinelearningmethodsbeingwidelyappliedforrealworlddataanalysisanddatamining,semi-supervisedlearninghasbeenintroduceforsolvingmoreandmorerealworldproblems.Semi-supervisedlearning,whichcombinesinformationfrombothlabeledandunlabeleddataforlearningtasks,hasdrawnwideattention.Weconsiderthegeneralproblemoflearningfromlabeledandunlabeleddata,whichisoftencalledsemi-supervisedlearningortransductiveinference.Aprincipledapproachtosemi-supervisedlearningistodesignaclassifyingfunctionwhichissuf_cientlysmoothwithrespecttotheintrinsicstructurecollectivelyrevealedbyknownlabeledandunlabeledpoints.ExperimentalresultsshowthatperformanceofGCMalgorithmforusingtheexponentialmeasureissuperiortoothermeasuresandperformanceofGCMalgorithmforusingtheEuclideanmeasureisinferiortoothermeasures.Moreover,argumentsfordifferentmeasuresimpactontheperformanceofalgorithm.Keywords：Semi-supervisedMachinelearingGCMCM目录TOC\h\z\t"标题1,1,标题2,1,样式标题1+,1,样式标题2+,2,此标题,2"HYPERLINK\l"_Toc225830793"一引言PAGEREF_Toc225830793\h1HYPERLINK\l"_Toc225830794"1.1研究背景和意义PAGEREF_Toc225830794\h1HYPERLINK\l"_Toc225830795"1.1.1研究背景PAGEREF_Toc225830795\h1HYPERLINK\l"_Toc225830796"1.1.2研究意义PAGEREF_Toc225830796\h1HYPERLINK\l"_Toc225830797"1.2国内外研究现状PAGEREF_Toc225830797\h1HYPERLINK\l"_Toc225830798"1.3研究内容PAGEREF_Toc225830798\h2HYPERLINK\l"_Toc225830799"1.4论文组织与安排PAGEREF_Toc225830799\h2HYPERLINK\l"_Toc225830800"二半监督学习算法PAGEREF_Toc225830800\h3HYPERLINK\l"_Toc225830801"2.1朴素贝叶斯分类器PAGEREF_Toc225830801\h3HYPERLINK\l"_Toc225830802"2.1.1贝叶斯法则PAGEREF_Toc225830802\h3HYPERLIN