半監(jiān)督進(jìn)化集成及其在網(wǎng)絡(luò)視頻分類中的應(yīng)用.pdf

1、近年來，隨著軟硬件技術(shù)的進(jìn)步，數(shù)據(jù)挖掘特別是文本挖掘得到了極大的發(fā)展。在各種社交網(wǎng)絡(luò)，網(wǎng)頁和其他信息為中心的應(yīng)用產(chǎn)生了大量的文本數(shù)據(jù)。這些不斷增長的文本數(shù)據(jù)急需算法設(shè)計的提升，即能以一種動態(tài)和可擴(kuò)展方式從這些數(shù)據(jù)中學(xué)習(xí)到有趣的模式。作為數(shù)據(jù)挖掘領(lǐng)域的一種優(yōu)秀算法，聚類集成用于平衡不同聚類結(jié)果的差異并融合不同的聚類結(jié)果為單一的解決方案，具有更好的魯棒性、穩(wěn)定性與準(zhǔn)確率。社交網(wǎng)絡(luò)多媒體的發(fā)展與普及使得社交視頻成為視頻信息的主體。這豐富的視頻

2、使得其選擇標(biāo)準(zhǔn)變得日益復(fù)雜，以至于用戶很難從中搜索并獲取到所需要的視頻，對此類視頻進(jìn)行分類已成為當(dāng)前一個研究熱點。對現(xiàn)有數(shù)據(jù)挖掘領(lǐng)域的進(jìn)展進(jìn)行分析發(fā)現(xiàn)其中常見研究問題均與聚類或分類相關(guān)。如今有多種不同的算法相繼被提出用于解決網(wǎng)絡(luò)視頻分類問題。在特定情況下，附加信息在半監(jiān)督學(xué)習(xí)算法中扮演著極為重要的角色。本文提出了三種不同的算法用于社交網(wǎng)絡(luò)視頻挖掘，即網(wǎng)絡(luò)視頻分類(WVC)，主要是利用了其低成本的文本特征、內(nèi)在關(guān)聯(lián)信息及外在網(wǎng)絡(luò)支持信息。

3、本文的主要工作包括以下三個部分內(nèi)容:
　　首先，基于視頻上傳者提供的文本信息，提出了一種新的視頻分類算法——基于半監(jiān)督聚類的相似劃分算法(SS-CSPA)。該算法的特點在于引入無監(jiān)督學(xué)習(xí)、聚類間的共識及成對約束外加支持。在提取文本信息后，基于向量空間模型，視頻信息可表示為特征詞條向量。將成對約束以must-link對通過網(wǎng)狀拓?fù)浣Y(jié)構(gòu)形式組合在一起，即若一個視頻與一組視頻相關(guān)，則該組內(nèi)的所有視頻均相關(guān)。最后，在must-link約束

4、指導(dǎo)下通過聚類集成算法將三個不同聚類算法的基聚類結(jié)果聚合起來。實驗驗證了所提出的算法的可行性。
　　其次，提出了一個改進(jìn)的網(wǎng)絡(luò)視頻分類算法——結(jié)合遺傳算法的基于半監(jiān)督聚類的相似劃分算法(SS-CSPA-GA)。該算法的特點在于改進(jìn)了視頻間的相似性度量方法，其考慮到特征詞條的語義相似性，將傳統(tǒng)的向量空間模型擴(kuò)展為語義向量空間模型，并使用WordNet度量兩個特征詞條之間的關(guān)聯(lián)程度。借助于遺傳算法和通過其中的適應(yīng)度函數(shù)——預(yù)成對百分比

5、這一新的評價指標(biāo)，實現(xiàn)了聚類集成過程的迭代。引入該評價指標(biāo)的目的在于當(dāng)標(biāo)注數(shù)據(jù)缺失時實現(xiàn)不同聚類結(jié)果的對比，其思想是滿足越多must-link約束的聚類算法結(jié)果越優(yōu)。交叉和變異是遺傳迭代中最重要的步驟，可以實現(xiàn)從現(xiàn)有的種群中產(chǎn)生新的個體。采用了聚類集成中智能的機(jī)制來表示這兩種遺傳操作，其目的有兩個方面:擴(kuò)大搜索空間和確保后代的健壯性，即后代應(yīng)具備比其父輩更優(yōu)的特性。最后，在真實社交媒體(YouTube)數(shù)據(jù)上的實驗驗證了我們所提出的改進(jìn)

6、算法的有效性。
　　最后，通過融合網(wǎng)絡(luò)視頻的低成本文本特征、內(nèi)在關(guān)聯(lián)信息及外在網(wǎng)絡(luò)支持，提出了一個適用于網(wǎng)絡(luò)視頻分類的系統(tǒng)框架——半監(jiān)督進(jìn)化集成(SS-EE)。在前述研究中我們發(fā)現(xiàn)，很難在不同的視頻類別間劃設(shè)一個明確的分類界限?；诓煌曨l類別中最相關(guān)詞條的頻率，通過定義一個新的特征詞條間距離——三角相似度量，解決了不同視頻類別邊界重合的問題。該策略的要點在于借助一個第三方的參照視頻間接得到兩個視頻間的相似度而非直接對比兩者間的相