半監(jiān)督進(jìn)化集成及其在網(wǎng)絡(luò)視頻分類中的應(yīng)用.pdf

1、近年來，隨著軟硬件技術(shù)的進(jìn)步，數(shù)據(jù)挖掘特別是文本挖掘得到了極大的發(fā)展。在各種社交網(wǎng)絡(luò)，網(wǎng)頁和其他信息為中心的應(yīng)用產(chǎn)生了大量的文本數(shù)據(jù)。這些不斷增長的文本數(shù)據(jù)急需算法設(shè)計(jì)的提升，即能以一種動(dòng)態(tài)和可擴(kuò)展方式從這些數(shù)據(jù)中學(xué)習(xí)到有趣的模式。作為數(shù)據(jù)挖掘領(lǐng)域的一種優(yōu)秀算法，聚類集成用于平衡不同聚類結(jié)果的差異并融合不同的聚類結(jié)果為單一的解決方案，具有更好的魯棒性、穩(wěn)定性與準(zhǔn)確率。社交網(wǎng)絡(luò)多媒體的發(fā)展與普及使得社交視頻成為視頻信息的主體。這豐富的視頻

2、使得其選擇標(biāo)準(zhǔn)變得日益復(fù)雜，以至于用戶很難從中搜索并獲取到所需要的視頻，對(duì)此類視頻進(jìn)行分類已成為當(dāng)前一個(gè)研究熱點(diǎn)。對(duì)現(xiàn)有數(shù)據(jù)挖掘領(lǐng)域的進(jìn)展進(jìn)行分析發(fā)現(xiàn)其中常見研究問題均與聚類或分類相關(guān)。如今有多種不同的算法相繼被提出用于解決網(wǎng)絡(luò)視頻分類問題。在特定情況下，附加信息在半監(jiān)督學(xué)習(xí)算法中扮演著極為重要的角色。本文提出了三種不同的算法用于社交網(wǎng)絡(luò)視頻挖掘，即網(wǎng)絡(luò)視頻分類(WVC)，主要是利用了其低成本的文本特征、內(nèi)在關(guān)聯(lián)信息及外在網(wǎng)絡(luò)支持信息。

3、本文的主要工作包括以下三個(gè)部分內(nèi)容:
　　首先，基于視頻上傳者提供的文本信息，提出了一種新的視頻分類算法——基于半監(jiān)督聚類的相似劃分算法(SS-CSPA)。該算法的特點(diǎn)在于引入無監(jiān)督學(xué)習(xí)、聚類間的共識(shí)及成對(duì)約束外加支持。在提取文本信息后，基于向量空間模型，視頻信息可表示為特征詞條向量。將成對(duì)約束以must-link對(duì)通過網(wǎng)狀拓?fù)浣Y(jié)構(gòu)形式組合在一起，即若一個(gè)視頻與一組視頻相關(guān)，則該組內(nèi)的所有視頻均相關(guān)。最后，在must-link約束

4、指導(dǎo)下通過聚類集成算法將三個(gè)不同聚類算法的基聚類結(jié)果聚合起來。實(shí)驗(yàn)驗(yàn)證了所提出的算法的可行性。
　　其次，提出了一個(gè)改進(jìn)的網(wǎng)絡(luò)視頻分類算法——結(jié)合遺傳算法的基于半監(jiān)督聚類的相似劃分算法(SS-CSPA-GA)。該算法的特點(diǎn)在于改進(jìn)了視頻間的相似性度量方法，其考慮到特征詞條的語義相似性，將傳統(tǒng)的向量空間模型擴(kuò)展為語義向量空間模型，并使用WordNet度量兩個(gè)特征詞條之間的關(guān)聯(lián)程度。借助于遺傳算法和通過其中的適應(yīng)度函數(shù)——預(yù)成對(duì)百分比

5、這一新的評(píng)價(jià)指標(biāo)，實(shí)現(xiàn)了聚類集成過程的迭代。引入該評(píng)價(jià)指標(biāo)的目的在于當(dāng)標(biāo)注數(shù)據(jù)缺失時(shí)實(shí)現(xiàn)不同聚類結(jié)果的對(duì)比，其思想是滿足越多must-link約束的聚類算法結(jié)果越優(yōu)。交叉和變異是遺傳迭代中最重要的步驟，可以實(shí)現(xiàn)從現(xiàn)有的種群中產(chǎn)生新的個(gè)體。采用了聚類集成中智能的機(jī)制來表示這兩種遺傳操作，其目的有兩個(gè)方面:擴(kuò)大搜索空間和確保后代的健壯性，即后代應(yīng)具備比其父輩更優(yōu)的特性。最后，在真實(shí)社交媒體(YouTube)數(shù)據(jù)上的實(shí)驗(yàn)驗(yàn)證了我們所提出的改進(jìn)

6、算法的有效性。
　　最后，通過融合網(wǎng)絡(luò)視頻的低成本文本特征、內(nèi)在關(guān)聯(lián)信息及外在網(wǎng)絡(luò)支持，提出了一個(gè)適用于網(wǎng)絡(luò)視頻分類的系統(tǒng)框架——半監(jiān)督進(jìn)化集成(SS-EE)。在前述研究中我們發(fā)現(xiàn)，很難在不同的視頻類別間劃設(shè)一個(gè)明確的分類界限?；诓煌曨l類別中最相關(guān)詞條的頻率，通過定義一個(gè)新的特征詞條間距離——三角相似度量，解決了不同視頻類別邊界重合的問題。該策略的要點(diǎn)在于借助一個(gè)第三方的參照視頻間接得到兩個(gè)視頻間的相似度而非直接對(duì)比兩者間的相