融合非標記樣本選擇的集成學習研究.pdf

1、隨著信息化技術的高速發(fā)展，人們獲取數據的能力大大增強，社會各行各業(yè)產生的大量數據信息都可以通過數據采集系統(tǒng)和計算機進行收集和保存。特別是近些年來，隨著科技的日益進步，數據采集和存儲技術的飛躍發(fā)展，數據的獲取越來越容易，但是通常容易得到的是大量未標記的樣本數據，而有標記的樣本數據仍然比較困難或成本太大，因為對大量未標記的樣本進行標記既費時又費力。在這種現實環(huán)境下，傳統(tǒng)的監(jiān)督學習模型不再實用，如何利用少量的標記樣本以及大量的非標記樣本進行學

2、習則越來越引起研究人員的關注，為了利用現實世界中的大量非標記樣本，關鍵是要提出新的能夠充分利用非標記樣本或少量人工標注樣本來進行學習的模型。目前主流的半監(jiān)督學習和主動學習策略提供了這樣的模型，但是這些學習模型存在的問題還比較多，如：分類正確率不高，計算量大，訓練時間太長等。因此，提高模型利用非標記樣本的學習效能仍是該領域的研究熱點和難點。
　　本研究主要內容包括：⑴對近年來國際上關于非標記樣本選擇方法及研究成果進行了總結，分析了主

3、動學習策略和半監(jiān)督學習策略存在的優(yōu)缺點。⑵提出一種基于分歧度評價的融合主動學習和集成學習的高效能學習方法，該方法把訓練分成兩個階段——訓練前期和訓練后期，基于樣本分歧度和不同的訓練階段，采取不同的非標記樣本選取方式，減少前期誤判樣本對學習精度的影響。為評價方法性能，在人工流數據和 HEp-2細胞圖像數據上進行了實驗，實驗結果表明：該方法相對于目前的Qboost方法，需要的訓練樣本數少且分類精度更高。⑶提出一種基于半監(jiān)督學習策略的極限集成