基于自步學習的對標簽噪聲穩(wěn)健的半監(jiān)督分類方法研究.pdf

1、對數(shù)據(jù)進行標注是一項冗繁、耗時且容易引起誤差的工作，一方面這使得有標簽數(shù)據(jù)的數(shù)目比較有限，而相對地無標簽數(shù)據(jù)的數(shù)目則比較多；另一方面，在對數(shù)據(jù)進行標注過程中，數(shù)據(jù)標簽容易出現(xiàn)錯誤，而很多機器學習的算法對標簽帶噪聲的數(shù)據(jù)是敏感的。因此，人們希望探究出能利用大量無標簽數(shù)據(jù)且能對噪聲標簽數(shù)據(jù)比較穩(wěn)健的算法。針對此問題，本文提出了一種稱為自步流形正則化的框架，它能利用少量有標簽數(shù)據(jù)和大量無標簽數(shù)據(jù)進行半監(jiān)督分類，且對含噪聲標簽的數(shù)據(jù)具有較好的穩(wěn)

2、健性。具體地，該方法在半監(jiān)督分類的流形正則化框架中引入自步學習正則化項，以此來穩(wěn)健地選取有標簽的訓練數(shù)據(jù)；同時，我們利用數(shù)據(jù)稀疏編碼中蘊含的判別信息來控制分類器的光滑度，提高分類性能。最后，我們針對構(gòu)造的優(yōu)化問題設計一種交替搜索策略，得到具有顯性表達式的分類函數(shù)。該方法可適用于多分類問題，在對具噪聲標簽的數(shù)據(jù)保持穩(wěn)健性的同時兼顧了分類器的復雜度和光滑度，使得模型有較小的泛化誤差。三個數(shù)據(jù)集上的實驗結(jié)果顯示出此方法在含有噪聲標簽數(shù)據(jù)的分類