基于聚類的主動(dòng)學(xué)習(xí)實(shí)例選擇方法研究.pdf

1、在機(jī)器學(xué)習(xí)領(lǐng)域中，標(biāo)記實(shí)例是個(gè)代價(jià)很高且耗時(shí)的工作。作為機(jī)器學(xué)習(xí)領(lǐng)域的重要研究方向之一，主動(dòng)學(xué)習(xí)旨在根據(jù)選擇策略從無(wú)標(biāo)記實(shí)例中選擇信息量最大的部分實(shí)例交由專家標(biāo)記，以達(dá)到最小化標(biāo)記實(shí)例的數(shù)量獲得準(zhǔn)確的預(yù)測(cè)模型。因此，實(shí)例選擇的策略對(duì)于主動(dòng)學(xué)習(xí)十分關(guān)鍵。數(shù)據(jù)流是近年來(lái)被廣泛關(guān)注的一種數(shù)據(jù)形式，其規(guī)模龐大、到達(dá)速度快，且數(shù)據(jù)的分布隨時(shí)會(huì)發(fā)生變化，這些與傳統(tǒng)數(shù)據(jù)模型截然不同的特征對(duì)主動(dòng)學(xué)習(xí)方法提出了巨大的挑戰(zhàn)。目前，針對(duì)數(shù)據(jù)流環(huán)境的主動(dòng)學(xué)習(xí)實(shí)

2、例選擇策略的研究相對(duì)較少，大部分研究工作是針對(duì)傳統(tǒng)數(shù)據(jù)形式。在此背景下，本文研究了基于聚類的主動(dòng)學(xué)習(xí)實(shí)例選擇方法：首先設(shè)計(jì)能夠發(fā)現(xiàn)任意形狀及不同密度的簇的聚類算法對(duì)實(shí)例進(jìn)行劃分，其次度量出每個(gè)簇內(nèi)預(yù)測(cè)類的分布一致性，并設(shè)計(jì)代表性與不確定性相結(jié)合的實(shí)例選擇策略，選擇最合適的實(shí)例用于主動(dòng)學(xué)習(xí)過(guò)程，具體內(nèi)容包括以下兩個(gè)方面：
　　首先，為了更好地反映數(shù)據(jù)流環(huán)境下實(shí)例的實(shí)際分布情況，在研究聚類算法的基礎(chǔ)上，針對(duì)大部分聚類算法無(wú)法發(fā)現(xiàn)任意形

3、狀及不同密度的簇或計(jì)算復(fù)雜度太高的問(wèn)題，提出一種兩階段聚類算法。首先對(duì)數(shù)據(jù)集進(jìn)行快速的初始劃分，在此基礎(chǔ)上引入距離關(guān)聯(lián)性動(dòng)態(tài)模型，該動(dòng)態(tài)模型能夠根據(jù)簇中樣本點(diǎn)間的距離來(lái)近似反映密度，借此將初始劃分結(jié)果中鄰近的且密度近似的簇進(jìn)行合并，以達(dá)到快速發(fā)現(xiàn)任意形狀及不同密度的簇的效果。實(shí)驗(yàn)表明：該算法能夠有效識(shí)別任意形狀及不同密度的簇，且與同類算法相比，時(shí)間效率有顯著的提高。
　　其次，針對(duì)數(shù)據(jù)流環(huán)境下實(shí)例空間內(nèi)均可能發(fā)生概念漂移的問(wèn)題，在