多視角的構(gòu)建及其在單任務(wù)學(xué)習(xí)和多任務(wù)學(xué)習(xí)中的應(yīng)用.pdf

1、根據(jù)獲取方式或來(lái)源的不同，模式可由多組不同類(lèi)別的信息集組成，即由多組彼此不同的屬性集構(gòu)成。在特定的應(yīng)用領(lǐng)域中，立足于不同的視覺(jué)角度往往可得到不同的視覺(jué)效果，即對(duì)同一模式可形成多組不同方位或多層次的信息。在不同視角下的數(shù)據(jù)可能存在著較強(qiáng)的信息互補(bǔ)性，充分利用它們，能夠達(dá)到從不同的角度米刻畫(huà)待解決問(wèn)題的目的。
　　 這種思想在半監(jiān)督學(xué)習(xí)中得到充分的體現(xiàn)。在半監(jiān)督學(xué)習(xí)中，存在大量未標(biāo)記樣本和少量的已標(biāo)記樣本，需要利用未標(biāo)記數(shù)據(jù)輔助已標(biāo)

2、記數(shù)據(jù)來(lái)獲得較好性能的學(xué)習(xí)器。協(xié)同訓(xùn)練是一種簡(jiǎn)單有效的半監(jiān)督學(xué)習(xí)方法，且是基于多視角的，通過(guò)不同的視角可以得到多個(gè)學(xué)習(xí)器。在學(xué)習(xí)過(guò)程中，學(xué)習(xí)器選出置信度較高的未標(biāo)記樣本進(jìn)行相互標(biāo)記，從而用于更新模型。目前，這個(gè)算法在廣度及深度上都得到了擴(kuò)展，基于協(xié)同訓(xùn)練設(shè)定下，也提出了很多新的多視角半監(jiān)督學(xué)習(xí)算法。它們的成功應(yīng)用展現(xiàn)了多視角學(xué)習(xí)方法的可行性。但在現(xiàn)實(shí)應(yīng)用中，很多數(shù)據(jù)集僅僅只包含一個(gè)視角的描述，這在很大程度上限制了多視角學(xué)習(xí)方法的應(yīng)用。因

3、此，研究從原始數(shù)據(jù)中生成多個(gè)視角描述的方法是十分有意義的。
　　 首先，本文采用遺傳算法進(jìn)行特征選擇，根據(jù)最終模型目標(biāo)，從已知的一組特征集中選擇出有明顯區(qū)分特性的特征子集，用其形成多個(gè)視角。這些由從原始數(shù)據(jù)集中選擇出的與輸出結(jié)果有關(guān)或重要的特征構(gòu)成的視角，對(duì)于構(gòu)造具有充分性的學(xué)習(xí)器是有保證的。實(shí)驗(yàn)結(jié)果以及與任意劃分特征集形成多個(gè)視角的方法的比較表明，特征選擇用于形成多個(gè)視角的方法是行之有效的，并且能夠得到較充分的多個(gè)視角。