基于數(shù)據(jù)轉(zhuǎn)換與Co-training技術(shù)的多標(biāo)記學(xué)習(xí)算法研究.pdf

1、多標(biāo)記問(wèn)題在現(xiàn)實(shí)世界的大量應(yīng)用中普遍存在,現(xiàn)在已經(jīng)成為機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘兩個(gè)相關(guān)領(lǐng)域的研究熱點(diǎn)。多標(biāo)記學(xué)習(xí)的提出為多義性對(duì)象的復(fù)雜化問(wèn)題提供了一種有效的解決方法,目前已存在大量的多標(biāo)記學(xué)習(xí)算法,并在文本分類、生物信息學(xué)、自動(dòng)視頻注釋、場(chǎng)景分類和許多其他領(lǐng)域廣泛應(yīng)用。
　　然而,現(xiàn)在的解決多標(biāo)記學(xué)習(xí)問(wèn)題的方法側(cè)重于利用傳統(tǒng)的監(jiān)督學(xué)習(xí)框架,其做法通?？梢苑譃槿N:第一種是把多標(biāo)記學(xué)習(xí)問(wèn)題轉(zhuǎn)換為多個(gè)兩類分類問(wèn)題,其中每個(gè)標(biāo)記對(duì)應(yīng)一個(gè)二分

2、類問(wèn)題,這種方法適用于不是很明顯的范疇,在樣品豐富的情況下性能將是更好的,但更容易遇到標(biāo)記樣本稀疏的問(wèn)題;第二種是多標(biāo)記學(xué)習(xí)問(wèn)題轉(zhuǎn)化為標(biāo)記順序問(wèn)題,這種方法重點(diǎn)在于對(duì)標(biāo)記之間進(jìn)行正確的排序,但它需要額外的學(xué)習(xí)閾值函數(shù)來(lái)獲得相關(guān)標(biāo)記的最終集合,但是通常比較難獲得這個(gè)閾值函數(shù);第三種是標(biāo)記之間的結(jié)構(gòu)信息和多標(biāo)記問(wèn)題研究相結(jié)合的方法,這種方法在合理使用結(jié)構(gòu)信息時(shí),可實(shí)現(xiàn)很好的性能,但缺乏領(lǐng)域知識(shí)指導(dǎo)時(shí),幾乎不知道如何使用結(jié)構(gòu)信息較好。

3、　　基于以上方法,本文以提高分類精度為切入點(diǎn),通過(guò)對(duì)多標(biāo)記示例集的定義和提取,基于近鄰加權(quán)及多示例的多標(biāo)記學(xué)習(xí)算法的提出,多標(biāo)記與半監(jiān)督學(xué)習(xí)算法的結(jié)合,進(jìn)行了為提高多標(biāo)記學(xué)習(xí)算法精度的深入研究。
　　本文進(jìn)行的主要研究工作和提出的創(chuàng)新點(diǎn)總結(jié)如下:
　　1、多標(biāo)記學(xué)習(xí)中問(wèn)題轉(zhuǎn)化的研究?，F(xiàn)有的多標(biāo)記算法中存在將多標(biāo)記問(wèn)題轉(zhuǎn)化為多標(biāo)記多示例問(wèn)題的思想,這在一定程度上提高了多標(biāo)記學(xué)習(xí)的分類性能,但在時(shí)間復(fù)雜度、分類精度等方面仍可以進(jìn)

4、一步提高。引進(jìn)KNN(K-Nearest Neighbor)和加權(quán)方法,對(duì)每一個(gè)可能存在的類別標(biāo)記,確定集合中屬于這一類別標(biāo)記的 K個(gè)近鄰樣例,近鄰給予加權(quán)再取平均后得到平均向量,樣本就轉(zhuǎn)化成數(shù)據(jù)包的形式,來(lái)保持?jǐn)?shù)據(jù)整體分布的局部特性,提高分類的準(zhǔn)確度。
　　2、基于數(shù)據(jù)集中存在的大量未標(biāo)記樣例的多標(biāo)記問(wèn)題的研究。在現(xiàn)實(shí)世界的問(wèn)題中,往往更容易獲得大量未標(biāo)記數(shù)據(jù),每個(gè)對(duì)象都具有一個(gè)以上的標(biāo)記,這大大增加了獲得已標(biāo)記數(shù)據(jù)的難度。因此