圖像分類中融合Bagging的Tri-Training算法研究.pdf

1、隨著互聯(lián)網(wǎng)、電子數(shù)碼設(shè)備的飛速發(fā)展和廣泛使用，尤其是新型崛起的社交軟件（網(wǎng)絡(luò)）微信、QQ、微博充斥在人們的生活中，每天涌現(xiàn)的數(shù)字圖像信息呈爆炸式地增長，如何才能快速、有效地檢索、分類并挖掘出有用信息就成為當(dāng)今研究的一個重點，而這些研究重點中圖像分類的研究聚焦了許多學(xué)者的研究目光。機器學(xué)習(xí)是把無序的數(shù)據(jù)轉(zhuǎn)化成有用的信息，而在轉(zhuǎn)化的過程中是自動化，不再需要人工過多干預(yù)。通常我們所說的監(jiān)督學(xué)習(xí)(Supervised Learning)和無監(jiān)督

2、學(xué)習(xí)(Unsupervised Learning)是機器學(xué)習(xí)按照學(xué)習(xí)形式的不同而劃分的。其中機器學(xué)習(xí)中的無監(jiān)督學(xué)習(xí)分類精度不高；監(jiān)督學(xué)習(xí)則需要大量的有標(biāo)記樣本進行訓(xùn)練才能得到預(yù)想的效果，然而在現(xiàn)實中如果想獲取有標(biāo)記樣本，需要大量的人力和物力，所以從1980年左右開始介于二者之間的半監(jiān)督學(xué)習(xí)（Semi-Supervised Learning）開始提出并被關(guān)注。半監(jiān)督學(xué)習(xí)只需要少量有標(biāo)記樣本和大量未標(biāo)記樣本就可以訓(xùn)練并獲得分類精度較高的效果

3、，所以半監(jiān)督學(xué)習(xí)很好地解決了前面提到的分類精度不高和需要大量有標(biāo)記樣本這兩個問題，也逐漸成為目前研究的一個熱點。集成學(xué)習(xí)是在分類的過程中，將若干個分類器集成起來，通過采用某一種組合從而來決定最終分類器的分類結(jié)果，以此獲得一個比之前單個分類器分類性能更優(yōu)的組合分類器。所以將集成學(xué)習(xí)與半監(jiān)督學(xué)習(xí)融合的方式是在只給定少量有標(biāo)記樣本的情況下有效提高分類器性能的方式之一。
　　本研究主要內(nèi)容包括：⑴在傳統(tǒng)Tri-Training分類算法上進

4、行改進，采用三種不同分類算法生成基分類器，并在分類器組合的過程中，采用準(zhǔn)確率加權(quán)的方法集成分類器，即Tri-Training-3分類算法。傳統(tǒng)Tri-Training分類算法采用一種分類算法生成三個基分類器，這三個基分類器的差異性相對不大，只能通過樣本集的差異來提高性能，而本文采用三種不同的分類算法，相應(yīng)生成三個不同基分類器，再通過有差異的樣本集，提高了其分類性能。⑵在Tri-Training分類算法中，將蟻群聚集信息素的計算融入其中，

5、提出了一種基于蟻群聚集信息素的Tri-Training分類算法(Aggregation pheromone metaphor for Tri-Training classification，簡稱APTTC)。計算蟻群聚集信息素濃度，并將蟻群聚集信息素濃度作為置信度，從而將置信度高的未標(biāo)記樣本（設(shè)定一個閾值，大于這一閾值就認(rèn)為是置信度高的未標(biāo)記樣本）連同其標(biāo)記類別一起加入到有標(biāo)記樣本集中，從而生成有差異的訓(xùn)練樣本集，提高其分類性能。⑶融合

6、Bagging集成學(xué)習(xí)和Tri-Training半監(jiān)督分類算法，提出了一種基于置信度重采樣的融合Bagging和Tri-Training分類算法（Bagging and Tri-Training based on Confidence Resampling，簡稱BTTCR）。每次迭代循環(huán)，按照置信度的高低進行重采樣，選取一定比例置信度高的未標(biāo)記樣本和一定比例置信度低的未標(biāo)記樣本連同其標(biāo)記類別一起加入到有標(biāo)記樣本集中進行訓(xùn)練。選取置信度高

7、的未標(biāo)記樣本的目的是為了提高分類的準(zhǔn)確率，而選取置信度低的樣本是為了進行擾動訓(xùn)練，生成差異較大的樣本集，從而提高分類的準(zhǔn)確率。⑷以COREL圖像庫和Indoor Scene圖像集作為實驗數(shù)據(jù)，分別采用上述三種（Tri-Training-3、APTTC、BTTCR）分類算法進行圖像分類，并于傳統(tǒng)采用同一種分類算法生成三個分類器的Tri-Training分類算法（Tri-Training-NB、Tri-Training-KNN和Tri-Tr