基于主动学习的多示例多标签学习算法研究

发布时间：2017-05-26 20:03

  本文关键词：基于主动学习的多示例多标签学习算法研究，由笔耕文化传播整理发布。

【摘要】：随着互联网的快速发展,数码产品的快速普及,网页文本和图像信息呈爆炸式增长,数据的大小和数据的结构复杂度也在不断提高,这些数据往往不具有唯一的语义,而是多义性的。由于这样的多义性,使得当前只考虑单一语义的学习框架难以取得良好的效果。多示例多标签学习解决的是真实世界中对象多义性问题的一种学习框架,真实世界中的对象可以很容易采用多示例多标签学习来进行建模,多示例多标签学习也成为近年来新的研究热点。在海量的数据中,仅有少量的数据是具有标签和描述的,面对少量有标签数据和大量无标签数据,主动学习能够在分类器学习的过程中,根据一定的选择策略,迭代主动地选择对分类器性能改善最大的样本进行标注,并置入训练集中进行学习,从而有效地提高了样本训练的效率。在同等条件下,使用更少的有标签样本,达到更高的分类精度,改善分类器的性能。本文首次把主动学习应用到多示例多标签学习框架上,提出了多示例多标签主动学习框架。本文首先介绍了相关的学习算法,以及研究了多示例多标签学习的退化策略和主动学习的样本选择算法。然后结合多示例多标签学习的特点,把多示例多标签学习退化到多个单标签的多示例学习。针对多个分类器,我们利用标注样本和未标注样本的信息,提出一种衡量分类器的评价标准——分类器可信度(classifier confidence)。根据多示例单标签学习的特点,我们把主动学习应用到其中,并引入两种不同级别的多示例学习算法作为我们的分类器模型,提出了两种分类距离——标签最小分类距离(label nrinimum distance)和标签平均分类距离(label average distance)。在此基础上,我们设计了四种不同的主动学习样本选择策略算法。最后,我们将模型应用到自然场景图像分类和文本分类中,实验结果表明,本文提出的方法与一般的样本随机选择策略对比,在训练样本相同的情况下,本文提出的方法在各项评价指标中能够获得更好的分类性能。
【关键词】：主动学习 多示例多标签学习 自然场景分类 分本分类
【学位授予单位】：广东工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;TP181
【目录】：

• 摘要4-5
• Abstract5-11
• 第一章 绪论11-16
• 1.1 研究背景及意义11-12
• 1.2 国内外研究现状12-14
• 1.2.1 多示例多标签学习研究现状12-13
• 1.2.2 主动学习研究现状13-14
• 1.3 论文主要内容14
• 1.4 论文组织架构14-16
• 第二章 多示例多标签学习16-27
• 2.1 单示例单标签学习16
• 2.2 单示例多标签学习16-19
• 2.2.1 单示例多标签学习算法16-17
• 2.2.2 单示例多标签学习的变换策略17-19
• 2.3 多示例单标签学习19-21
• 2.3.1 多示例单标签学习算法19-20
• 2.3.2 多示例单标签学习算法的描述20-21
• 2.4 多示例多标签学习21-26
• 2.4.1 多示例多标签学习算法21-22
• 2.4.2 多示例多标签学习算法的描述22-23
• 2.4.3 多示例多标签学习的退化策略23-26
• 2.5 本章小结26-27
• 第三章 主动学习算法27-32
• 3.1 主动学习27-30
• 3.1.1 主动学习算法27-29
• 3.1.2 主动学习算法的描述29-30
• 3.2 主动学习选择策略30-31
• 3.3 本章小结31-32
• 第四章 基于主动学习的多示例多标签学习算法32-45
• 4.1 问题描述和符号定义32
• 4.2 两种不同级别的多示例学习算法32-38
• 4.2.1 示例级别的多示例学习算法32-35
• 4.2.2 包级别的多示例学习算法35-38
• 4.3 分类器可信度38-39
• 4.4 基于主动学习的多示例多标签学习算法39-44
• 4.4.1 基于示例选择的标签最小分类距离主动学习算法39-41
• 4.4.2 基于包中心的标签最小分类距离主动学习算法41-42
• 4.4.3 基于标签平均分类距离的主动学习算法42-44
• 4.5 本章小结44-45
• 第五章 实验结果与分析45-56
• 5.1 数据集45-46
• 5.2 分类器评价指标46-47
• 5.3 实验结果与分析47-55
• 5.3.1 实验流程设计47-48
• 5.3.2 实验结果与分析48-55
• 5.4 本章小结55-56
• 总结和展望56-58
• 参考文献58-63
• 攻读硕士学位期间发表的学术论文63-65
• 致谢65

【相似文献】

中国期刊全文数据库 前10条

1 李秀英;;网络环境下学生学习的特点[J];教师;2009年04期

2 夏定海,黄智英;教会学习 学会学习 终身学习[J];发明与革新;2000年06期

3 黄启兵;汪芳;;论网络时代学习与创新的统一[J];教学研究;2002年03期

4 陈相安;把档案部门建成学习型组织[J];中国档案;2003年09期

5 顾新,蔡兵,李久平;学习与学习型社会[J];软科学;2004年02期

6 郑军;试论编辑的学习特征[J];中国编辑;2005年06期

7 邱晓荣,孔一童;试论网络环境中的合作学习[J];当代教育论坛;2005年02期

8 冷平,王仁蓉,刁永锋;网络学习的成功要素探析[J];教育信息化;2005年03期

9 张建光;朱秀娥;张笑双;;网络学习社区的特征和构建[J];中国教育技术装备;2006年03期

10 徐晓涌;;创建学习型企业莫入误区[J];中国邮政;2006年02期

中国重要会议论文全文数据库 前10条

1 韩文;;让合作学习在逆境中重生[A];中华教育理论与实践科研论文成果选编（第2卷）[C];2010年

2 吕启春;;浅谈小学数学中的小组合作学习[A];2014年1月现代教育教学探索学术交流会论文集[C];2014年

3 杜俊娟;;用学习动机培养策略课题的学习对体育教师进行研究性学习培养的实验研究[A];第七届全国体育科学大会论文摘要汇编（一）[C];2004年

4 瞿春波;;浅议合作学习之误区[A];校园文学编辑部写作教学年会论文集[C];2007年

5 时龙;;把握分析学情是改进教学和促进学习的基础[A];2012·学术前沿论丛——科学发展：深化改革与改善民生（下）[C];2012年

6 韦彩红;;如何组织学生共享学习成果[A];中华教育理论与实践科研论文成果选编（第2卷）[C];2010年

7 格保耿;;培养学生学习物理的兴趣[A];2014年5月现代教育教学探索学术交流会论文集[C];2014年

8 钮荣荣;;关于小学数学教学中小组合作学习的几点思考[A];2014年6月现代教育教学探索学术交流会论文集[C];2014年

9 陈妙;;让数学课堂效率得到真正的提高——浅谈新课改下学生学习兴趣的培养[A];中华教育理论与实践科研论文成果选编（第3卷）[C];2010年

10 黄春妙;;浅谈语文课堂合作学习的有效把握[A];中华教育理论与实践科研论文成果选编（第3卷）[C];2010年

中国重要报纸全文数据库 前10条

1 农行浙江东阳支行 吴新国 周龙飞;银行如何创建学习型组织[N];上海金融报;2003年

2 西北师范大学 李瑾瑜;校长：如何引领和促进教师学习[N];中国教育报;2008年

3 永寿县店头中学 刘俊锋;大力提倡合作学习 全面促进有效教学[N];咸阳日报;2009年

4 本报评论员;要在真学习上下功夫[N];酒泉日报;2009年

5 本报记者 李天然;学习应该是一种终身行为[N];大连日报;2010年

6 刘继芳;浅议建设学习型党组织中的“学习”内涵[N];伊犁日报(汉);2010年

7 哈尔滨市第五医院 蒙硕;浅谈医院创建学习型党组织[N];黑龙江日报;2010年

8 翟爱霞;浅谈如何深入推进学习型党组织建设[N];太行日报;2011年

9 李振 上海交通大学国际与公共事务学院;制度变迁中的制度学习[N];中国社会科学报;2012年

10 重庆市教育评估院院长、中国高等教育学会学习科学研究分会常务副会长 龚春燕;实施新学习，，建设学习型社会[N];中国教育报;2013年

中国博士学位论文全文数据库 前10条

1 徐峰;基于社会网络的大学生学习网络结构研究[D];江西财经大学;2014年

2 付亦宁;本科生深层学习过程及其教学策略研究[D];苏州大学;2014年

3 张钰e

本文编号：397913