半监督协同训练算法的研究

《半监督协同训练算法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、四川师范大学学位论文独创性及使用授权声明本人声明：所呈交学位论文，是本人在导师塞登遥鱼烂指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不含任何其他个人或集体已经发表或撰写过的作品或成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。．本声明的法律结果由本人承担。‘本人承诺：已提交的学位论文电子版与论文纸本的内容一致。如因不符而引起的学术声誉上的损失由本人自负。本人同意所撰写学位论文的使用授权遵照学校的管理规定：学校作为申请学位的条件之一，学位论文著作权拥有者须授权所在大学拥有学位论文的部分使用权，即：1)已获学位的研究生必须按学校规定提交

2、印刷版和电子版学位论文，可以将学位论文的全部或部分内容编入有关数据库供检索；2)为教学、科研和学术交流目的，学校可以将公开的学位论文或解密后的学位论文作为资料在图书馆、资料室等场所或在有关网络上供阅读、浏览。本人授权中国科学技术信息研究所将本学位论文收录到《中国学位论文全文数据库》，并通过网络向社会公众提供信息服务。(保密的学位论文在解密后适用本授权书)学位螽文作者签名．够(茬一名：溉签字日期：硎年r月Cb日签字日期汐，／年r月纩日芎f≯四川师范大学硕士学位论文半监督协同训练算法的研究计算机应用技术专业研究生：兰霞指导老师：郭涛摘要：传统的监督学习往往需要大量的带类别标签(Labe

3、l)的样本对分类器进行训练。然而，在实际应用中，有标记样本(Labeleddata)的获取较困难，无标记样本(Unlabeleddata)的获取却很容易。因此，如何将大量无标记数据利用起来，提高分类器性能的半监督学习成为研究热点。在半监督学习领域研究的众多分支中，协同训练算法拥有易理解、稳定、收敛快等特点，引起了众多学者的广泛关注，取得了很多研究成果。随着其理论模型的不断完善，基于协同训练算法的应用也逐渐渗透到很多领域，如自然语言处理，图像检索以及模式识别等领域。本文首先对半监督协同训练算法的国内外研究现状进行了介绍，然后，对协同训练算法的发展过程及算法存在的主要问题进行了分析，最

4、后详细介绍了本文在半监督协同训练算法领域开展的工作。归纳起来，本文的研究工作主要表现在以下几个方面：1．针对协同训练算法中分类器差异性小的问题，提出了Tri-training框架下的多视图半监督神经网络算法，算法通过神经网络激励函数的多样性来扩展参与协同训练的神经网络之间的独立性，在一定程度上解决了协同训练算法中分类器差异性小，算法在性能提升上受到限制的问题，同时提高了神经网络的分类精度，也改善了协同训练算法的性能。2．由于无标记数据引入容易产生噪音，从而降低算法性能，本文提出了基于遗传算法的无标记数据选择半监督协同训练算法，算法利用遗传算法的寻优功能间接的协助协同训练算法挑选有价

5、值的无标记数据，以正确有效更新参半监督协同训练算法的研究与协同训练的分类器，防止有噪声的无标记数据引入，从而导致算法性能降低。3．为进一步有效选择无标记数据，减少分类误差，提出了基于图的显式置信度估计半监督协同训练算法，算法结合了基于图的半监督学习算法和半监督协同训练算法的优点。利用有标记样本和无标记样本自身的结构信息，显式计算无标记样本属于各类别的概率，结合三个分类器协同训练隐式地对无标记样本的置信度进行比较。通过显式和隐式双重置信度估计方法，提高对无标记数据选择的标准，防止噪声数据的引入。在UCI数据集的实验验证了以上的方法的有效性。关键词：半监督学习；协同训练算法；Tri-t

6、raining算法；Co．training算法；基于图的半监督学习IIf●-四川师范大学硕士学位论文TheResearchofSemi--supervisedCollaboration··trainingAlgorithmMajor：ComputerApplicationTechnologyPostgraduate：LanXiaTutor：GuoTaoAbstract：Traditionalsupervisedlearningneedsplentyoflabeleddatatotrainaclassifier,however’itishardtoobtainlabeleddatai

7、npractice，whileunlabeleddataismucheasytoget．Semi·supervisedLearningwhichmakesadvantageofunlabeleddatatoimprovetheaccuracyofaclassifierhavereachedmuchattentionandhavebecomeatopicofsignificantresearchinterest．Collaboration-trainingisoneof