基于標(biāo)記分布的機(jī)器學(xué)習(xí)方法研究.pdf

1、為了更好地解決標(biāo)記不確定性問題，人們提出了新的學(xué)習(xí)框架——標(biāo)記分布學(xué)習(xí)。與傳統(tǒng)多標(biāo)記學(xué)習(xí)相比，標(biāo)記分布學(xué)習(xí)能夠解決不同標(biāo)記對示例描述程度不同的問題，因此能夠更好地利用標(biāo)記之間的相關(guān)性。盡管標(biāo)記分布學(xué)習(xí)已經(jīng)成功運(yùn)用到了多個領(lǐng)域并且取得了較好的應(yīng)用效果（如人臉年齡估計、表情識別、多標(biāo)記排序等），但目前的研究仍然存在一些問題。首先，在數(shù)據(jù)層面，標(biāo)記分布學(xué)習(xí)要求輸入數(shù)據(jù)的標(biāo)記必須為分布形式，而當(dāng)前機(jī)器學(xué)習(xí)領(lǐng)域研究更多的是分類問題，對于其中絕大部

2、分應(yīng)用來說，標(biāo)記分布是難以獲得的，這就極大地限制了標(biāo)記分布學(xué)習(xí)的應(yīng)用范圍。其次，對于某些特定領(lǐng)域（如人臉年齡估計），由于存在先驗知識，標(biāo)記分布可以從原始分類數(shù)據(jù)中自適應(yīng)地學(xué)習(xí)得到，但是這種方法對訓(xùn)練數(shù)據(jù)量的要求很高，當(dāng)數(shù)據(jù)量不足時自適應(yīng)過程就會失效以致于無法學(xué)習(xí)到合理的標(biāo)記分布。最后，在方法層面，目前的標(biāo)記分布學(xué)習(xí)算法仍然較少，很多機(jī)器學(xué)習(xí)領(lǐng)域成熟有效的算法（如支持向量機(jī)）沒有能夠很好地引入到標(biāo)記分布學(xué)習(xí)中來。本文的目標(biāo)是針對以上問題展

3、開深入研究并提出相應(yīng)的解決方法。
　　本文的主要貢獻(xiàn)包括:1.以多標(biāo)記學(xué)習(xí)為例，對標(biāo)記分布進(jìn)行擴(kuò)展并首次提出了“標(biāo)記流形”的概念，同時提出了“多標(biāo)記流形學(xué)習(xí)”(ML2)算法，降低了標(biāo)記分布學(xué)習(xí)對輸入數(shù)據(jù)的要求，使其能夠直接應(yīng)用在傳統(tǒng)分類數(shù)據(jù)上;2.以人臉年齡估計問題為例，提出了“半監(jiān)督自適應(yīng)標(biāo)記分布學(xué)習(xí)”(SALDL)算法，通過引入無標(biāo)記數(shù)據(jù)，解決了標(biāo)記自適應(yīng)過程對數(shù)據(jù)量的要求，提高了標(biāo)記分布學(xué)習(xí)在有標(biāo)記數(shù)據(jù)不足情況下的性能;3.