Đề tài Semi – Superviesd learning

MỤC LỤCNHẬN XÉT CỦA HỘI ĐỒNG 3Chương I: GIỚI THIỆU VỀ MÁY HỌC 4( Machine learning ) 4I GIỚI THIỆU: 41.1 Định nghĩa ‘học’ 51.2. Khái niệm về học máy 61.3 Các tiếp cận học 71.4 Tương tác với con người 7II. QUÁ TRÌNH HỌC MÁY 82.1 Quá trình trích tri thức từ dữ liệu 82.2 Phân loại học 82.3 Dữ liệu 82.4 Giao thức 82.5 Tiêu chuẩn thành công 82.6 Không gian biểu diễn 92.7 Bản chất của các thuộc tính 102.8 Tiền xử lý dữ liệu 102.10 Tập mẫu 112.11 Tìm kiếm trong không gian giải thuyết 11III. CÁC LOẠI GIẢI THUẬT TRONG MÁY 113.1 Các loại giải thuật. 113.2 Các chủ đề về học máy 12Chương II: HỌC NỬA GIÁM SÁT 14(Semi-supervised learning ) 14I. TỔNG QUAN 141.1 Giới thiệu về học có giám sát (supervised learning) và không có giám sát (unsupervised learning) 14a. Học có giám sát: 14b. Học không có giám sát: 171.2 Khái niệm về học nửa giám sát 18II. MỘT SỐ GIẢI THUẬT TRONG HỌC NỬA GIẤM SÁT 192.1 Generative Models 192.1.1 Giới thiệu về “Generative Models” 192.1. Generative Models trong Semi - supervised learning 192.1.3 Ưu điểm và nhược điểm của giải thuật 222.1.5 Ứng dụng của mô hình 222.2 Semi – superviesd Suport vector machines 232.2.1 Giới thiệu về S3VM 232.2.2 Giải thuật S3MV 242.2.3 Kết luận về S3VM 252.3 Self-training 26CHƯƠNG III. SELF – TRAINING VÀ BÀI TOÁN NHẬN DẠNG KÝ TỤ TRÊN ẢNH 27I. GIẢI THUẬT SELF – TRAINING 271.1 Giới thiệu về Self – training 271.2 Giải thuật 271.3 Đánh giá giải thuật 28II. BÀI TOÁN NHẬN DẠNG KÝ TỰ TRÊN ẢNH 282.1 Phân tích bài toán 282.2 Hướng giải quyết bài toán. 28I. KẾT QUẢ BAN ĐẦU ĐÃ ĐẠT ĐƯỢC 30II. HƯỚNG PHÁT TRIỂN 30

MỤC LỤC

NHẬN XÉT CỦA HỘI ĐỒNG 3

Chương I: GIỚI THIỆU VỀ MÁY HỌC 4

( Machine learning ) 4

I GIỚI THIỆU: 4

1.1 Định nghĩa ‘học’ 5

1.2. Khái niệm về học máy 6

1.3 Các tiếp cận học 7

1.4 Tương tác với con người 7

II. QUÁ TRÌNH HỌC MÁY 8

2.1 Quá trình trích tri thức từ dữ liệu 8

2.2 Phân loại học 8

2.3 Dữ liệu 8

2.4 Giao thức 8

2.5 Tiêu chuẩn thành công 8

2.6 Không gian biểu diễn 9

2.7 Bản chất của các thuộc tính 10

2.8 Tiền xử lý dữ liệu 10

2.10 Tập mẫu 11

2.11 Tìm kiếm trong không gian giải thuyết 11

III. CÁC LOẠI GIẢI THUẬT TRONG MÁY 11

3.1 Các loại giải thuật. 11

3.2 Các chủ đề về học máy 12

Chương II: HỌC NỬA GIÁM SÁT 14

(Semi-supervised learning ) 14

I. TỔNG QUAN 14

1.1 Giới thiệu về học có giám sát (supervised learning) và không có giám sát (unsupervised learning) 14

a. Học có giám sát: 14

b. Học không có giám sát: 17

1.2 Khái niệm về học nửa giám sát 18

II. MỘT SỐ GIẢI THUẬT TRONG HỌC NỬA GIẤM SÁT 19

2.1 Generative Models 19

2.1.1 Giới thiệu về “Generative Models” 19

2.1. Generative Models trong Semi - supervised learning 19

2.1.3 Ưu điểm và nhược điểm của giải thuật 22

2.1.5 Ứng dụng của mô hình 22

2.2 Semi – superviesd Suport vector machines 23

2.2.1 Giới thiệu về S3VM 23

2.2.2 Giải thuật S3MV 24

2.2.3 Kết luận về S3VM 25

2.3 Self-training 26

CHƯƠNG III. SELF – TRAINING VÀ BÀI TOÁN NHẬN DẠNG KÝ TỤ TRÊN ẢNH 27

I. GIẢI THUẬT SELF – TRAINING 27

1.1 Giới thiệu về Self – training 27

1.2 Giải thuật 27

1.3 Đánh giá giải thuật 28

II. BÀI TOÁN NHẬN DẠNG KÝ TỰ TRÊN ẢNH 28

2.1 Phân tích bài toán 28

2.2 Hướng giải quyết bài toán. 28

I. KẾT QUẢ BAN ĐẦU ĐÃ ĐẠT ĐƯỢC 30

II. HƯỚNG PHÁT TRIỂN 30