多標(biāo)記分類中的半監(jiān)督降維和集成學(xué)習(xí).pdf

1、多標(biāo)記分類及其應(yīng)用是當(dāng)前機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘領(lǐng)域的熱點(diǎn)問題，其中多標(biāo)記維度約減和多標(biāo)記集成分類是非常值得研究和探討的兩個方向。傳統(tǒng)機(jī)器學(xué)習(xí)的研究對象是數(shù)據(jù)樣本僅具有一個標(biāo)記的單標(biāo)記問題，而本文主要研究樣本同時具有多個標(biāo)記的多標(biāo)記問題。論文研究了多標(biāo)記分類、半監(jiān)督學(xué)習(xí)、維度約減和集成學(xué)習(xí)的基本方法及其在各種數(shù)據(jù)集上的應(yīng)用，并分別從數(shù)據(jù)預(yù)處理和分類器集成兩個角度，研究了如何結(jié)合半監(jiān)督學(xué)習(xí)對高維多標(biāo)記數(shù)據(jù)進(jìn)行維度約減和如何利用集成學(xué)習(xí)提高多標(biāo)記

2、分類的性能。
　　 實(shí)際中常遇到高維多標(biāo)記數(shù)據(jù)僅有少量標(biāo)記樣本而大部分樣本卻沒有標(biāo)記的情況，為了有效去除冗余特征并使用未標(biāo)記樣本提供的潛在信息，將半監(jiān)督學(xué)習(xí)引入到多標(biāo)記維度約減中，提出基于半監(jiān)督判別分析的多標(biāo)記維度約減算法(MSDA)。該算法利用標(biāo)記樣本的屬性圖加權(quán)矩陣和部分標(biāo)記的相似關(guān)聯(lián)矩陣，最大化不同類別樣本之間的分離度，同時使用未標(biāo)記樣本估計原始高維數(shù)據(jù)在低維數(shù)據(jù)流行上的內(nèi)在幾何結(jié)構(gòu)。實(shí)驗(yàn)表明，MSDA算法在多個分類評價指

3、標(biāo)上的平均性能均優(yōu)于其他方法，證實(shí)了算法的有效性。
　　 針對多標(biāo)記數(shù)據(jù)的分類性能不理想的問題，將集成學(xué)習(xí)引入到多標(biāo)記分類中，提出一種基于軟成對約束投影的多標(biāo)記集成算法(SPACME)。該算法通過重采樣訓(xùn)練樣本提供的軟成對約束信息建立初始基分類器，利用獲得的cannot-link集合和must-link集合構(gòu)建約束投影矩陣，并將原始數(shù)據(jù)映射到新的數(shù)據(jù)空間表示，然后在轉(zhuǎn)換后的數(shù)據(jù)集上使用權(quán)重更新策略迭代地訓(xùn)練一組基分類器以增加差異