李群机器学习研究综述

文中简述了李群机器学习的相关研究内容,包括李群机器学习的概念、公理假设、代数学习模型、几何学习模型、Dynkin图的几何学习算法、量子群、辛群分类器的设计、轨道生成学习算法等.

一种李群机器学习线性分类算法研究

根据李群具有微分流形的性质,提出了一种李群机器学习的线性分类算法.该分类方法的思想是:首先将样本数据集嵌入到微分流形当中,每个实例对应着流形上的一个点,利用测地线距离度量两个实例间的距离;然后,根据测试实例和训练数据集中实例间测地线距离的代数关系,确定测试实例的分类.实验测试表明,该线性分类算法较k-最近邻算法(KNN)及NaiveBayes分类算法具有较高的分类精度.

李群机器学习十年研究进展

该文主要从3个方面介绍李群机器学习近年来的研究进展.首先,该文将解释为什么采用李群结构进行数据或特征描述,以此阐明李群机器学习与传统机器学习方法的区别,并且通过李群在人工智能领域的广泛应用来说明李群表示的普遍性.其次,该文概述了李群机器学习自提出以来的主要学习算法,着重强调最近的一些研究进展.最后,针对目前的研究现状,该文给出李群机器学习未来的一些研究方向.

李群机器学习(LML)的学习子空间轨道生成格算法

给出了李群机器学习(LML)的学习子空间轨道生成格及相关的基本概念,包括:李群机器学习中的样例数据集,轨道生成格理论及其算法,同时也给出了实例验证分析,并与决策树学习算法C4.5作比较,在分类的正确性方面优于C4.5算法,由此进一步证明了该理论的可行性以及算法的有效性。

李群机器学习(LML)的学习子空间轨道生成理论及算法初探

给出了Lie群机器学习(LML)的学习子空间轨道生成格及相关的基本概念,包括李群机器学习中的样例数据集、轨道生成格理论及其算法,同时也给出了实例验证分析,与C4.5、N-Bayes算法在分类正确率上进行了比较,由此进一步证明了该理论的可行性以及算法的有效性.

基于稀疏字典的李群机器学习算法

李群机器学习理论被广泛应用于图像集分类中的数据表示和处理,并获得较优结果.由此,文中提出基于稀疏字典的李群机器学习算法.首先使用协方差矩阵对图像集建模,分析协方差矩阵构成的李群结构,应用对数映射将数据映射到线性空间中,得到数据的距离矩阵.再使用路标多维缩放对数据进行降维处理,降低运算成本.最后,使用带费舍尔判别字典学习进行分类.在YTC数据集上的实验证明文中算法具有良好的鲁棒性和准确率.

机器学习算法及其应用综述

机器学习是一门多学科的综合性研究,它既是基于模式识别和人工智能的一类计算机科学分支,也是人工智能的一种极其重要的研究方向。文章从机器学习经典算法、新型算法及其应用三个方面进行介绍。首先阐述了6种最常见的机器学习方法,及其机器学习算法的数据并行、聚类、分治3个主要方式;然后,在机器学习经典方法的基础上介绍了结合各专业领域的量子机器学习方法以及李群机器学习;最后,阐述了机器学习方法在各领域中的实际应用,并对机器学习未来的发展趋势做出了分析总结。

机器学习算法与应用

本文从三个方面介绍了机器学习。首先简单介绍5种典型的机器学习算法,以及典型算法之间结合的集成算法。其次,在典型算法基础上介绍了结合其他学科的量子机器学习和李群机器学习,给出了两种学习算法的基本步骤。最后,介绍了机器学习在数据挖掘、模式识别领域以及侧信道攻击中的应用。

多连通李群覆盖学习算法在图像分类上的应用

李群机器学习作为一种新的学习范式已被学术界广泛关注。根据李群的连通性质,将具有不同类别特征的研究对象映射到多连通李群空间,并从各个单连通李群空间上连线的同伦等价出发,运用覆盖的思想寻找对应不同类别的最优道路等价表示,从而用多连通李群的多值表示来呈现图像的类别信息,因此提出了多连通李群覆盖学习算法。在MPEG7_CE-Shape01_Part_B图像库的图像和MNIST手写体数字图像上进行了实验验证,结果表明与两种基于李群均值的学习算法相比,多连通李群覆盖学习算法具有较好的分类效果。

一种Weyl群轨道生成学习算法研究

利用Weyl群的性质,给出了Weyl群轨道生成原理及相关学习算法.首先描述了学习算法,重点阐述了轨道生成广度优先和深度优先学习算法;然后对测试数据进行分析比较.实验结果表明深度优先算法可以节约存储空间,并在一定程度上提高了时间效率.

一个基于量子群的分子对接药物设计算法

量子群作为经典李群、李代数的基本对称概念的推广,有着丰富的代数、几何及物理性质.本文基于量子群的基本理论,结合药物分子设计中的分子对接问题,在李群机器学习的基础上提出了一个基于量子群的分子对接药物设计方法,从而进一步丰富了李群机器学习理论.本文首先建立了基于量子群的分子对接模型,并设计了基于量子群生成元的分子匹配算法,运用此算法对小分子数据库中的分子进行对接,并将试验结果与Autodock4.0、分子动力学算法的对接时间和精度进行比较和分析.实例测试表明了量子群的理论与药物分子对接相结合的合理性及有效性.

浅谈机器学习方法

本文以什么是机器学习、机器学习的发展历史和机器学习的主要策略这一线索,对机器学习进行系统性的描述。接着,着重介绍了流形学习、李群机器学习和核机器学习三种新型的机器学习方法,为更好的研究机器学习提供了新的思路。