基于主動半監(jiān)督學(xué)習(xí)的不均衡數(shù)據(jù)集分類問題的研究.pdf

1、隨著計算機存儲技術(shù)和人工智能領(lǐng)域的發(fā)展，不均衡的數(shù)據(jù)集的研究越來越受到研究人員的關(guān)注。近年來，機器學(xué)習(xí)和數(shù)據(jù)挖掘領(lǐng)域常見的分類方法和采樣技術(shù)針對傳統(tǒng)的類別平衡的數(shù)據(jù)集有較好的分類效果，在不均衡數(shù)據(jù)集的條件下，少數(shù)類常被誤分成多數(shù)類。主動學(xué)習(xí)和半監(jiān)督學(xué)習(xí)都是利用少量標記樣本和大量未標記樣本的學(xué)習(xí)技術(shù)，利用大量未標記樣本學(xué)習(xí)不僅能減小對未標記樣本的標記代價，而且可以增強分類器的泛化能力。
　　本文嘗試著運用主動學(xué)習(xí)思想和半監(jiān)督學(xué)習(xí)方法

2、相結(jié)合，提出了一種主動半監(jiān)督協(xié)同分類算法（ActiveSemi-supervisedLearningCollaborationClassificationAlgorithm，簡稱ASCC算法）。該算法通過主動學(xué)習(xí)方法增加已標記樣本的數(shù)量，滿足了Tri-training算法訓(xùn)練所需足夠的標記樣本數(shù)量，從而減少協(xié)同訓(xùn)練學(xué)習(xí)所需要的次數(shù)和時間。
　　基于以上提出的方法，本文的主要工作如下:
　　(1)在已知少量的標記樣本和大量的未

3、標記樣本的數(shù)據(jù)集的情況下，提出了基于樣本KNN分布概率模型的主動學(xué)習(xí)算法。這種方法利用KNN的思想構(gòu)造已標記和待標記樣本之間的聯(lián)系，通過這種聯(lián)系建立概率模型，然后借助于基尼指數(shù)的專家評價標準，給出相對可能被標記的待標記樣本。
　　(2)針對傳統(tǒng)的Tri-training算法在處理不均衡數(shù)據(jù)集分類的不足，我們在訓(xùn)練樣本的抽樣、分類器的選擇以及在最后的分類器集成方面對Tri-training算法做出了相應(yīng)改進。通過UCI上不均衡數(shù)據(jù)驗