有限且非完美的標(biāo)簽學(xué)習(xí).pdf

1、分類算法是一種重要的機(jī)器學(xué)習(xí)數(shù)據(jù)挖掘技術(shù)，而訓(xùn)練集的選取對于分類函數(shù)或模型的建立起到了非常關(guān)鍵的作用。在現(xiàn)實中，帶標(biāo)簽的訓(xùn)練數(shù)據(jù)往往很難獲得，即使是已標(biāo)注的數(shù)據(jù)，也往往包含漏標(biāo)和錯標(biāo)的標(biāo)簽，這些都會影響到分類算法的訓(xùn)練學(xué)習(xí)過程。本論文深入分析了分類算法訓(xùn)練集可能出現(xiàn)的各種問題，在研究國際上大量經(jīng)典分類算法的基礎(chǔ)上，提出了多種基于生成式模型和基于判別式分類器的算法，通過利用未標(biāo)注數(shù)據(jù)空間，多標(biāo)簽空間，和多視圖空間中的信息來解決訓(xùn)練集已標(biāo)注

2、數(shù)據(jù)不足和已標(biāo)注數(shù)據(jù)標(biāo)簽非完美的問題。論文的主要工作和創(chuàng)新之處在于:
　　1.提出了一種基于分層狄利克雷過程的生成式模型，以解決多標(biāo)簽分類中存在的不完整標(biāo)注問題。該統(tǒng)計模型充分利用訓(xùn)練集中已標(biāo)注標(biāo)簽的信息，通過迭代更新訓(xùn)練集中的不完整標(biāo)簽，在學(xué)習(xí)過程中不斷的增強(qiáng)標(biāo)簽和樣本特征之間的關(guān)聯(lián)性，既能對訓(xùn)練集中存在的不完整標(biāo)注樣本進(jìn)行標(biāo)簽補全，又能對新的完全未標(biāo)注的樣本進(jìn)行準(zhǔn)確的標(biāo)簽預(yù)測。
　　2.提出了多種判別式分類器，可以同時利

3、用訓(xùn)練集樣本所包含的所有標(biāo)簽信息，以解決多標(biāo)簽分類中存在的噪聲標(biāo)注問題。該類判別式分類器將樣本包含的標(biāo)簽信息看作為一種額外的特征，利用在多標(biāo)簽空間中定義的一種充分考慮標(biāo)簽關(guān)系的距離度量方式，得到了訓(xùn)練樣本點在多標(biāo)簽空間中的鄰域，并將這種鄰域信息應(yīng)用到分類器的學(xué)習(xí)過程中，以降低噪聲對于訓(xùn)練過程的影響，提高分類準(zhǔn)確度。
　　3.提出了一種基于判別式分類器的學(xué)習(xí)框架，可以解決多標(biāo)簽分類中存在的不完整標(biāo)注問題和噪聲標(biāo)注問題。該算法框架通過

4、給訓(xùn)練集中的樣本添加不同的權(quán)重來反應(yīng)出它們對于類別的代表價值和對于訓(xùn)練學(xué)習(xí)過程的幫助程度，結(jié)合利用跨媒體多視圖中存在的信息互補性不斷更新這些權(quán)重，同時利用多標(biāo)簽空間中包含的信息，既能用來專門對訓(xùn)練集中的不完整標(biāo)簽進(jìn)行補全，又能用來對訓(xùn)練集中的噪聲標(biāo)簽進(jìn)行降噪。
　　4.提出了一種判別式分類方法，以解決多標(biāo)簽分類中存在的訓(xùn)練集已標(biāo)注數(shù)據(jù)有限且有噪聲的問題。該分類方法可以學(xué)習(xí)出與已標(biāo)注數(shù)據(jù)空間互補的未標(biāo)注數(shù)據(jù)空間，并將訓(xùn)練集中已標(biāo)注數(shù)