融合非標(biāo)記樣本選擇的集成學(xué)習(xí)研究.pdf

1、隨著信息化技術(shù)的高速發(fā)展，人們獲取數(shù)據(jù)的能力大大增強，社會各行各業(yè)產(chǎn)生的大量數(shù)據(jù)信息都可以通過數(shù)據(jù)采集系統(tǒng)和計算機進(jìn)行收集和保存。特別是近些年來，隨著科技的日益進(jìn)步，數(shù)據(jù)采集和存儲技術(shù)的飛躍發(fā)展，數(shù)據(jù)的獲取越來越容易，但是通常容易得到的是大量未標(biāo)記的樣本數(shù)據(jù)，而有標(biāo)記的樣本數(shù)據(jù)仍然比較困難或成本太大，因為對大量未標(biāo)記的樣本進(jìn)行標(biāo)記既費時又費力。在這種現(xiàn)實環(huán)境下，傳統(tǒng)的監(jiān)督學(xué)習(xí)模型不再實用，如何利用少量的標(biāo)記樣本以及大量的非標(biāo)記樣本進(jìn)行學(xué)

2、習(xí)則越來越引起研究人員的關(guān)注，為了利用現(xiàn)實世界中的大量非標(biāo)記樣本，關(guān)鍵是要提出新的能夠充分利用非標(biāo)記樣本或少量人工標(biāo)注樣本來進(jìn)行學(xué)習(xí)的模型。目前主流的半監(jiān)督學(xué)習(xí)和主動學(xué)習(xí)策略提供了這樣的模型，但是這些學(xué)習(xí)模型存在的問題還比較多，如：分類正確率不高，計算量大，訓(xùn)練時間太長等。因此，提高模型利用非標(biāo)記樣本的學(xué)習(xí)效能仍是該領(lǐng)域的研究熱點和難點。
　　本研究主要內(nèi)容包括：⑴對近年來國際上關(guān)于非標(biāo)記樣本選擇方法及研究成果進(jìn)行了總結(jié)，分析了主

3、動學(xué)習(xí)策略和半監(jiān)督學(xué)習(xí)策略存在的優(yōu)缺點。⑵提出一種基于分歧度評價的融合主動學(xué)習(xí)和集成學(xué)習(xí)的高效能學(xué)習(xí)方法，該方法把訓(xùn)練分成兩個階段——訓(xùn)練前期和訓(xùn)練后期，基于樣本分歧度和不同的訓(xùn)練階段，采取不同的非標(biāo)記樣本選取方式，減少前期誤判樣本對學(xué)習(xí)精度的影響。為評價方法性能，在人工流數(shù)據(jù)和 HEp-2細(xì)胞圖像數(shù)據(jù)上進(jìn)行了實驗，實驗結(jié)果表明：該方法相對于目前的Qboost方法，需要的訓(xùn)練樣本數(shù)少且分類精度更高。⑶提出一種基于半監(jiān)督學(xué)習(xí)策略的極限集成