主動式半監(jiān)督學習算法的研究.pdf

1、半監(jiān)督學習是目前機器學習與數(shù)據(jù)挖掘的研究熱點,通過較少的監(jiān)督信息(如標注樣本點或成對約束信息)和大量的未標注數(shù)據(jù)提供的數(shù)據(jù)分布信息,能對數(shù)據(jù)集內(nèi)的點進行正確歸類。大量研究表示,高質(zhì)量的監(jiān)督信息有助于聚類,而監(jiān)督信息的選擇不當可能會造成聚類結(jié)果的下降,因此監(jiān)督信息的選擇得到人們的關(guān)注。
　　本文將半監(jiān)督學習與主動式學習相結(jié)合,通過主動獲取高質(zhì)量的監(jiān)督信息來改善聚類的效果。主動式學習策略一方面通過獲取具有最高信息量的點的類別,來加快學

2、習過程;另一方面,通過確認一些不確定性較高的成對約束信息,也能快速提高歸類效果。本文的工作大體分為三個部分:
　　首先,提出了一種混合約束的半監(jiān)督最近鄰學習算法,標注點和成對約束信息以不同方式同時發(fā)揮作用,取得了較好的效果。在該算法中,標注點用于計算未標注點與各類別已知數(shù)據(jù)集之間的距離,而成對約束信息控制未標注點的類別分配過程。
　　其次,提出了基于鄰域不一致性的主動式學習策略,包括數(shù)據(jù)點的學習和成對約束的學習兩個方面。在數(shù)

3、據(jù)點的學習中,提出了兩種學習策略,即基于Citation-KNN的打分策略和基于橋點的學習策略并與另外兩種算法進行了對比;在成對約束的學習中,提出了糾錯式學習算法 ALEC。通過實際數(shù)據(jù)集上的實驗驗證了以上學習策略的有效性。
　　最后,對大數(shù)據(jù)集給出了預處理方法,通過提取骨架的方式得到數(shù)據(jù)集的代表點集合,在代表點集合上進行聚類后,對原數(shù)據(jù)集進行標注。初步實驗表明,通過對原始數(shù)據(jù)集的壓縮,可以在保持CRI穩(wěn)定的同時大幅降低聚類所需的