基于集成學(xué)習(xí)的半監(jiān)督學(xué)習(xí)算法研究.pdf

1、在模式識別領(lǐng)域，有很多問題需要獲取大量的有標記數(shù)據(jù)以訓(xùn)練出高精度的分類器，但有標記數(shù)據(jù)的獲取卻是非常困難的，甚至要消耗大量的人力物力。隨著數(shù)據(jù)收集和存儲技術(shù)的飛速發(fā)展，未標記數(shù)據(jù)的獲取變得相對容易。因此如何挖掘未標記數(shù)據(jù)攜帶的信息，輔助少量的有標記數(shù)據(jù)進行半監(jiān)督學(xué)習(xí)，成為近年來國內(nèi)外研究的一個熱點問題。
　　在現(xiàn)有半監(jiān)督學(xué)習(xí)算法的基礎(chǔ)上，如何更好的結(jié)合集成學(xué)習(xí)技術(shù)，訓(xùn)練多個分類器互相協(xié)作進行半監(jiān)督學(xué)習(xí)，是一個值得深入研究的方向。本

2、文在該方向上進行了研究，取得的主要成果有：
　　(1)提出了一種半監(jiān)督學(xué)習(xí)算法-Vote-Training。在UCI數(shù)據(jù)集上的大量實驗表明，Vote-Training算法可以有效地利用未標記樣本訓(xùn)練出識別率更高的分類器，與已有的半監(jiān)督學(xué)習(xí)算法-Tri-Training相比，該算法耗費的時間較少，結(jié)構(gòu)更為靈活，可以針對不同的問題調(diào)整投票策略，選取最合適的方式來解決具體的問題。在實驗中，還對實驗數(shù)據(jù)做了進一步的分析，指出了Vote-T

3、raining算法有效的前提條件。
　　(2)分析了傳統(tǒng)的協(xié)同訓(xùn)練算法存在的不足之處，通過加入更多的分類器和引入主動學(xué)習(xí)技術(shù)，提出了改進的協(xié)同訓(xùn)練算法-CTA，在UCI數(shù)據(jù)集上的實驗驗證了該算法的優(yōu)越性。
　　半監(jiān)督學(xué)習(xí)算法存在著選擇優(yōu)越性的問題，沒有一種算法能夠解決所有的半監(jiān)督學(xué)習(xí)問題。深入分析現(xiàn)有的算法，運用相關(guān)原理和技術(shù)，探尋一個統(tǒng)一的原則來指導(dǎo)具體的半監(jiān)督學(xué)習(xí)問題是一個很有意義的研究方向，本論文即是對此的一個有益嘗試