主動(dòng)式半監(jiān)督學(xué)習(xí)算法的研究.pdf

1、半監(jiān)督學(xué)習(xí)是目前機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘的研究熱點(diǎn),通過(guò)較少的監(jiān)督信息(如標(biāo)注樣本點(diǎn)或成對(duì)約束信息)和大量的未標(biāo)注數(shù)據(jù)提供的數(shù)據(jù)分布信息,能對(duì)數(shù)據(jù)集內(nèi)的點(diǎn)進(jìn)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(dāng)可能會(huì)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(xué)習(xí)與主動(dòng)式學(xué)習(xí)相結(jié)合,通過(guò)主動(dòng)獲取高質(zhì)量的監(jiān)督信息來(lái)改善聚類的效果。主動(dòng)式學(xué)習(xí)策略一方面通過(guò)獲取具有最高信息量的點(diǎn)的類別,來(lái)加快學(xué)

2、習(xí)過(guò)程;另一方面,通過(guò)確認(rèn)一些不確定性較高的成對(duì)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(gè)部分:
　　首先,提出了一種混合約束的半監(jiān)督最近鄰學(xué)習(xí)算法,標(biāo)注點(diǎn)和成對(duì)約束信息以不同方式同時(shí)發(fā)揮作用,取得了較好的效果。在該算法中,標(biāo)注點(diǎn)用于計(jì)算未標(biāo)注點(diǎn)與各類別已知數(shù)據(jù)集之間的距離,而成對(duì)約束信息控制未標(biāo)注點(diǎn)的類別分配過(guò)程。
　　其次,提出了基于鄰域不一致性的主動(dòng)式學(xué)習(xí)策略,包括數(shù)據(jù)點(diǎn)的學(xué)習(xí)和成對(duì)約束的學(xué)習(xí)兩個(gè)方面。在數(shù)

3、據(jù)點(diǎn)的學(xué)習(xí)中,提出了兩種學(xué)習(xí)策略,即基于Citation-KNN的打分策略和基于橋點(diǎn)的學(xué)習(xí)策略并與另外兩種算法進(jìn)行了對(duì)比;在成對(duì)約束的學(xué)習(xí)中,提出了糾錯(cuò)式學(xué)習(xí)算法 ALEC。通過(guò)實(shí)際數(shù)據(jù)集上的實(shí)驗(yàn)驗(yàn)證了以上學(xué)習(xí)策略的有效性。
　　最后,對(duì)大數(shù)據(jù)集給出了預(yù)處理方法,通過(guò)提取骨架的方式得到數(shù)據(jù)集的代表點(diǎn)集合,在代表點(diǎn)集合上進(jìn)行聚類后,對(duì)原數(shù)據(jù)集進(jìn)行標(biāo)注。初步實(shí)驗(yàn)表明,通過(guò)對(duì)原始數(shù)據(jù)集的壓縮,可以在保持CRI穩(wěn)定的同時(shí)大幅降低聚類所需的