群智学习若干问题研究

发布时间：2017-12-14 22:03

  本文关键词：群智学习若干问题研究

  更多相关文章： 群体智能 机器学习 群智学习 代价敏感学习 主动学习 主动群智学习

【摘要】：随着我们步入人工智能时代,机器学习,尤其是有监督的机器学习已经在工业界得到了广泛的应用。然而在大数据的背景下,机器学习在真实应用中面临着许多巨大的挑战。比如机器学习在训练模型的时候需要有标签的训练数据,而在很多实际应用中,获得这些训练样本的真实标签的代价非常大甚至是不可能的。为此,研究者们提出了群智学习,即通过多个非完美的标记者(有可能会错误标记)标记的数据,学习得到性能良好的预测模型。虽然在近几十年里,越来越多研究者开始关注群智学习,群智学习领域也得到了长足的发展。但仍然还有很多问题没有得到很好地研究。其中有三个问题是本文觉得亟待解决的:1)二阶段方法用于群智学习存在的问题;2)如何鉴别每个标记者和标签的可靠性以及如何利用这些可靠性训练模型;3)如何设计高效的群智学习系统。本文针对这3个问题展开了研究,本文的主要贡献有:(1)提出了群智学习有效性的定义以及定理3.1,阐述了在一定条件下二阶段方法有效的充要条件,并从理论和实验两个方面对该定理进行了验证。此外,本文还分析得到了二阶段方法的目标与原始的群智学习的优化目标不一致的结论。上述两个结论告诉我们,对于群智学习这个新的学习问题,应该研究专门的学习算法而不是简单地将群智学习转化成先估计样本标签进而学习模型的问题。(2)利用数据特征与数据标签的内在关系,本文提出了一种估计标签可靠性的方法。此外,从代价敏感的角度,本文对群智学习问题进行了分析,分析表明群智学习本质上是一个代价敏感的学习问题。进一步,本文提出了质量敏感的群智学习框架QS-LFC以及基于该框架的SVM实现算法QS-LFC-SVM。实验结果表明,QS-LFC可以实现比现有方法更好的泛化性能和更强的鲁棒性。(3)本文提出在主动群智学习中引入不确定选项,并阐述了引入不确定选项给主动群智学习带来的多方面好处。此外,针对这种具有不确定选项的主动群智学习问题,本文提出了算法框架ALCU以及基于该框架的SVM实现算法ALCU-SVM。实验结果验证了不确定选项带来的好处以及ALCU的优越性能。
【学位授予单位】：中国科学技术大学
【学位级别】：博士
【学位授予年份】：2017
【分类号】：TP181

【相似文献】

中国期刊全文数据库 前10条

1 夏润海,王开颜;机器学习与智能决策支持系统[J];潍坊学院学报;2003年02期

2 张明玉,倪志伟;基于机器学习的智能决策支持系统[J];淮南师范学院学报;2005年03期

3 杨凌霄;武建平;;机器学习方法在人脸检测中的应用[J];计算机与数字工程;2008年03期

4 ;第十一届中国机器学习会议[J];智能系统学报;2008年02期

5 ;第14届中国机器学习会议[J];智能系统学报;2012年06期

6 费宗铭;吕建;王志坚;陈道蓄;徐家福;;机器学习[J];计算机科学;1991年01期

7 赵沁平;魏华;王军玲;;机器学习技术与机器学习系统[J];计算机科学;1993年05期

8 姚敏;机器学习及其发展方向[J];计算机时代;1994年04期

9 ;第31届机器学习国际会议(英文)[J];智能系统学报;2014年01期

10 黄海滨;机器学习及其主要策略[J];河池师范高等专科学校学报(自然科学版);2000年04期

中国重要会议论文全文数据库 前10条

1 王珏;;归纳机器学习[A];2001年中国智能自动化会议论文集（上册）[C];2001年

2 王昊;李银波;纪志梁;;利用机器学习方法预测严重药物不良反应-呼吸困难[A];中国化学会第28届学术年会第13分会场摘要集[C];2012年

3 吴沧浦;;智能系统与机器学习的新领域[A];西部大开发 科教先行与可持续发展——中国科协2000年学术年会文集[C];2000年

4 周晴杰;徐立鸿;吴启迪;;机器学习串级结构的初步探讨[A];1998年中国控制会议论文集[C];1998年

5 李刚;郭崇慧;林鸿飞;杨志豪;唐焕文;;基于词典法和机器学习法相结合的蛋白质名识别[A];大连理工大学生物医学工程学术论文集（第2卷）[C];2005年

6 徐礼胜;李乃民;王宽全;张冬雨;耿斌;姜晓睿;陈超海;罗贵存;;机器学习在中医计算机诊断识别系统中的应用思考[A];第一届全国中西医结合诊断学术会议论文选集[C];2006年

7 蔡健平;林世平;;基于机器学习的词语和句子极性分析[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

8 黄金铁;李景银;周建常;;对高炉炉况评价模型参数的机器学习——一个三类线性模式分类器的实现[A];1995中国控制与决策学术年会论文集[C];1995年

9 程国建;蔡磊;潘华贤;;核向量机在大规模机器学习中的应用[A];第十一届中国青年信息与管理学者大会论文集[C];2009年

10 张钹;张铃;;统计学习理论及其应用[A];2001年中国智能自动化会议论文集（上册）[C];2001年

中国重要报纸全文数据库 前10条

1 黎骊/文 [美] Tom M.Mitchell 著;机器学习与智能化社会[N];中国邮政报;2003年

2 IBM大数据专家 James Kobielus　范范 编译;机器学习已成为大数据基石[N];网络世界;2014年

3 本报记者 房琳琳;合久必分：分布式“机器学习”应运而生[N];科技日报;2014年

4 雨辰;机器学习类图书为什么火爆[N];中华读书报;2014年

5 百度公司技术副总监 多媒体部负责人 余凯;深度学习与多媒体搜索技术演进[N];中国信息化周报;2013年

6 本报记者 余建斌;机器学习与互联网搜索[N];人民日报;2011年

7 本报记者 张晔邋通讯员 李玮;周志华：永不墨守成规[N];科技日报;2008年

8 记者　 彭德倩;机器学习精度提升近6个百分点[N];解放日报;2006年

9 本报记者 闵杰;大数据热 高端人才缺[N];中国电子报;2013年

10 沈建苗 编译;如何成为大数据科学家[N];计算机世界;2013年

中国博士学位论文全文数据库 前10条

1 董春茹;机器学习中的权重学习与差分演化[D];华南理工大学;2015年

2 姚明臣;机器学习和神经网络学习中的若干问题研究[D];大连理工大学;2016年

3 Maxim Pecionchin;[D];对外经济贸易大学;2016年

4 杜宇;基于深度机器学习的体态与手势感知计算关键技术研究[D];浙江大学;2017年

5 钟锦红;群智学习若干问题研究[D];中国科学技术大学;2017年

6 赵玉鹏;机器学习的哲学探索[D];大连理工大学;2010年

7 胡巍;面向格结构的机器学习[D];上海交通大学;2009年

8 张义荣;基于机器学习的入侵检测技术研究[D];国防科学技术大学;2005年

9 钱线;快速精确的结构化机器学习方法研究[D];复旦大学;2010年

10 梁锡军;稀疏优化在机器学习中的若干应用[D];大连理工大学;2013年

中国硕士学位论文全文数据库 前10条

1 毛海斌;基于半监督机器学习的情感分类领域适应问题研究[D];南京理工大学;2015年

2 安军辉;基于微博数据的微博用户性别判断研究[D];华中师范大学;2015年

3 陈召阳;基于机器学习的改性麦槽吸附重金属构效关系模型研究[D];江西理工大学;2014年

4 王成;基于半监督机器学习的文本情感分析技术[D];南京理工大学;2015年

5 孙科;基于Spark的机器学习应用框架研究与实现[D];上海交通大学;2015年

6 刘江龙;基于机器学习的射频指纹定位方法研究[D];电子科技大学;2015年

7 张蕾;基于机器学习的网络舆情采集技术研究与设计[D];电子科技大学;2014年

8 施宇;基于数据挖掘和机器学习的木马检测系统设计与实现[D];电子科技大学;2014年

9 施应敏;基于机器学习的Femtocell信道频谱与功率资源分配算法的研究[D];南京邮电大学;2015年

10 张柯;基于机器学习的错误定位方法研究[D];南京航空航天大学;2015年

，

本文编号：1289502