基于聚類與分類結(jié)合的多示例預(yù)測(cè)算法研究.pdf

1、多示例學(xué)習(xí)的主要目的是通過(guò)學(xué)習(xí)訓(xùn)練集中的概念，為一些不可預(yù)知的包獲取正確的類別標(biāo)簽。目前大量學(xué)者對(duì)多示例學(xué)習(xí)的理論及應(yīng)用進(jìn)行了研究，并取得了豐富的成果，然而多數(shù)研究工作都是在訓(xùn)練集中包的標(biāo)簽已知的情況下進(jìn)行的。對(duì)于包中不含有標(biāo)簽的無(wú)監(jiān)督多示例學(xué)習(xí)，可用的算法依然很少。而在多數(shù)情況下獲取訓(xùn)練包的標(biāo)簽是一件很困難的事，或者需要花費(fèi)很大的代價(jià)，并且無(wú)監(jiān)督學(xué)習(xí)可以有效挖掘數(shù)據(jù)集的內(nèi)部結(jié)構(gòu)，所以研究無(wú)監(jiān)督多示例學(xué)習(xí)算法具有重要的意義。
　　

2、在傳統(tǒng)的監(jiān)督和無(wú)監(jiān)督學(xué)習(xí)中，每個(gè)數(shù)據(jù)對(duì)象都用單一示例進(jìn)行表示，在多示例學(xué)習(xí)中，每個(gè)對(duì)象用一個(gè)包含多個(gè)示例的包表示。目前集中在多示例預(yù)測(cè)問(wèn)題上的大多研究工作中，每個(gè)訓(xùn)練集中組成的包都含有一個(gè)二進(jìn)制或者實(shí)值的類別標(biāo)簽，可以理解為傳統(tǒng)意義上的分類和回歸問(wèn)題。本文為了解決無(wú)監(jiān)督多示例學(xué)習(xí)的問(wèn)題，提出了基于聚類與分類結(jié)合的多示例預(yù)測(cè)算法。算法的第一步是通過(guò)多示例聚類算法完成無(wú)標(biāo)簽訓(xùn)練包的聚類工作，用一些距離度量方法來(lái)測(cè)量包之間的相似性，采用聚類分

3、析中通用的k-均值算法，將沒(méi)有標(biāo)記的訓(xùn)練包劃分成k個(gè)互不相交的簇。
　　算法的第二步是基于此聚類結(jié)果，將每個(gè)包重新表示為一個(gè)k維的特征向量，定義其第i維的特征值為這個(gè)包到第i個(gè)聚簇中所有包的平均距離，并將該簇的類別作為標(biāo)簽。在所有包都被轉(zhuǎn)換為對(duì)應(yīng)的特征向量后，就可以使用常用的監(jiān)督學(xué)習(xí)算法來(lái)學(xué)習(xí)被轉(zhuǎn)換的特征向量了，本文主要使用了三種不同的分類器算法進(jìn)行實(shí)驗(yàn)。
　　通過(guò)在標(biāo)準(zhǔn)多示例模型和廣義的多示例模型上進(jìn)行多次實(shí)驗(yàn)，并與其它多