基于圖的半監(jiān)督學習模型研究與分類器設計.pdf

1、在機器學習領域，有監(jiān)督學習和無監(jiān)督學習是兩種常用的學習算法，但是他們在處理由于類別標注困難帶來的標簽數據極少、未標簽數據眾多的分類問題時效果往往不佳。針對此類問題，半監(jiān)督學習近來被提出并獲得廣泛的研究。半監(jiān)督學習結合兩種傳統學習算法的優(yōu)勢，能同時采用標簽數據和未標簽數據構造分類器，且一般能夠獲得較傳統學習算法更好的學習效果。本文對半監(jiān)督分類算法開展了較深入的研究，具體工作如下： 文章首先對半監(jiān)督學習中的典型算法進行了分析，并將其

2、與有監(jiān)督學習進行比較，發(fā)現半監(jiān)督分類器的分類精度與其模型假設密切相關。只有在算法模型假設能夠較好符合數據的真實結構時，未標簽數據的采用能夠幫助提升分類精度；否則，未標簽數據可能不起作用，甚至起反作用。 其次，本文通過對標簽傳遞算法的實驗研究，發(fā)現用隨機選擇的數據作為訓練集會造成算法分類精度的較大波動。這說明可通過主動選擇較優(yōu)訓練集去提升標簽傳遞算法的分類精度。而在主動學習中，分類器可根據當前狀態(tài)主動挑選能最大程度提升自身性能的待

3、標注數據。通過引入此思想，本文提出了結合主動學習的標簽傳遞算法，并對算法模型及待標注數據選擇策略開展了研究，使得該算法可動態(tài)選擇能最大程度降低標簽傳遞算法當前分類風險的數據，提高訓練集的質量。在UCI等數據集上的實驗結果顯示，訓練數據數量相同時，該算法的分類精度超越了隨機選擇訓練集數據的標簽傳遞算法。實驗中，我們發(fā)現該算法經常選擇聚類中心的數據，因此，這些數據適合于作為標簽傳遞算法的訓練集。 基于圖的半監(jiān)督分類算法需構造一個以數

4、據為頂點、以數據間相似性值為邊的圖。在這種構造圖的方法中相似性度量函數及其參數不易控制，數據的近鄰個數也難以選擇。通過對局部線性嵌入算法的研究，我們發(fā)現該算法構造線性近鄰時不采用相似性函數，并且通過對數據局部流形的估算，判斷數據是否位于分類間隙附近，可動態(tài)調整數據的近鄰個數，達到減少不同類數據間連接的目的，進而減少標簽誤傳遞的概率。結合這兩個優(yōu)點，本文提出了基于局部線性嵌入算法構建圖的標簽傳遞算法。在UCI等數據等集上的實驗結果表明，該