一种基于主动学习的集成协同训练算法-山东大学学报工学版.pdfVIP

　第４２卷　第３期 山　东　大　学　学　报　（工　学　版） ２０１２年６月　 　 　　 Ｖｏｌ．４２　 Ｎｏ．３　　 　ＪＯＵＲＮＡＬＯＦＳＨＡＮＤＯＮＧＵＮＩＶＥＲＳＩＴＹ（ＥＮＧＩＮＥＥＲＩＮＧＳＣＩＥＮＣＥ） Ｊｕｎ．２０１２　 　文章编号：１６７２３９６１（２０１２）０３０００１０５　　　ＤＯＩ：１０．６０４０／ｊ．ｉｓｓｎ．１６７２３９６１．２０１２．０３．００１ 一种基于主动学习的集成协同训练算法 谢伙生，刘敏 （福州大学数学与计算机科学学院，福建 福州３５０１０８） 摘要：为了更好地发挥主动学习、半监督学习和集成学习这３种机器学习方法的优势，研究了１个不需要２个充分 冗余视图、泛化能力强的高效学习算法。从聚类假设出发，给出每轮协同训练过程中添加自动标记样本的置信度 度量方法，降低误标记率；提出作为主动选择未标记样本依据的贡献度的概念，贡献度越高的样本，越具有人工标 记的价值，在协同训练迭代结束后，选择贡献度高的样本标记，就能增强反馈的效果，提升学习性能，提出一种基 于主动学习的集成协同训练算法。应用于图像检索的实验结果表明，提出的算法是高效可行的。 关键词：协同训练算法；半监督学习；集成学习；主动学习；图像检索 中图分类号：ＴＰ１８１　　　文献标志码：Ａ Ａｎｅｎｓｅｍｂｌｅｃｏｔｒａｉｎｉｎｇａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎａｃｔｉｖｅｌｅａｒｎｉｎｇ ＸＩＥＨｕｏｓｈｅｎｇ，ＬＩＵＭｉｎ （ＣｏｌｌｅｇｅｏｆＭａｔｈｅｍａｔｉｃｓａｎｄＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＦｕｚｈｏｕＵｎｉｖｅｒｓｉｔｙ，Ｆｕｚｈｏｕ３５０１０８，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔａｋｉｎｇｆｕｌｌａｄｖａｎｔａｇｅｏｆｔｈｒｅｅｍａｃｈｉｎｅｌｅａｒｎｉｎｇｍｅｔｈｏｄｓ，ａｃｔｉｖｅｌｅａｒｎｉｎｇ，ｓｅｍｉｓｕｐｅｒｖｉｓｅｄｌｅａｒｎｉｎｇａｎｄｅｎ ｓｅｍｂｌｅｌｅａｒｎｉｎｇ，ａｎｅｆｆｉｃｉｅｎｔｌｅａｒｎｉｎｇａｌｇｏｒｉｔｈｍｗａｓｐｒｏｐｏｓｅｄ．Ｔｈｅａｌｇｏｒｉｔｈｍｄｉｄｎｏｔｒｅｑｕｉｒｅｔｗｏｓｕｆｆｉｃｉｅｎｔａｎｄｒｅｄｕｎ ｄａｎｔｖｉｅｗｓ，ｗｈｉｃｈｈａｄｈｉｇｈｇｅｎｅｒａｌｉｚａｔｉｏｎａｂｉｌｉｔｉｅｓ．Ｔｏｒｅｄｕｃｅｔｈｅｅｒｒｏｒｒａｔｅ，ｂａｓｅｄｏｎｔｈｅｃｌｕｓｔｅｒｉｎｇａｓｓｕｍｐｔｉｏｎ，ａｎｅｗ ａｐｐｒｏａｃｈｗａｓｐｒｅｓｅｎｔｅｄｔｏｅｓｔｉｍａｔｅｔｈｅｄｅｇｒｅｅｏｆｃｏｎｆｉｄｅｎｃｅｏｆｔｈｅｌａｂｅｌｅｄｓａｍｐｌｅｓｉｎｅａｃｈｉｔｅｒａｔｉｏｎｏｆｔｈｅｃｏｔｒａｉｎｉｎｇ ｐｒｏｃｅｓｓ．Ａｌｓｏ，ａｎｅｗｍｅａｓｕｒｅｏｆｓａｍｐｌｅｓ，ｔｈｅｄｅｇｒｅｅｏｆｃｏｎｔｒｉｂｕｔｉｏｎ，ｗａｓｇｉｖｅｎａｓａｃｌｕｅｆｏｒｓｅｌｅｃｔｉｎｇｔｈｅｕｎｌａｂｅｌｅｄ ｓａｍｐｌｅｓ．Ｓｉｎｃｅａｈｉｇｈｄｅｇｒｅｅｏｆｃｏｎｔｒｉｂｕｔｉｏｎｉｍｐｌｉｅｓａｇｒｅａｔｖａｌｕｅｏｆｔｈｅｓａｍｐｌｅｔｏｂｅｓｅｌｅｃｔｅｄ，ｓｅｌｅｃｔｉｎｇｔｈｅｓａｍｐｌｅｓ ｗｉｔｈｈｉｇｈｄｅｇｒｅｅｓｏｆｃｏｎｔｒｉｂｕｔｉｏｎａｆｔｅｒｅａｃｈｉｔｅｒａｔｉｏｎｃｏｕｌｄｅｎｈａｎｃｅｔｈｅｆｅｅｄｂａｃｋｅｆｆｅｃｔａｎｄｔｈｅｌｅａｒｎｉｎｇｐｅｒｆｏｒｍａｎｃｅ． Ａｌｌｔｈｅｓｅｃｏｕｌｄｌｅａｄｔｏａｎｅｗｅｎｓｅｍｂｌｅｃｏｔｒａｉｎｉｎｇａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎａｃｔｉｖｅｌｅａｒｎｉｎｇ．Ｔｈｅｆｅａｓｉｂｉｌｉｔｙａｎｄｔｈｅｐｅｒｆｏｒｍ ａｎｃｅｏｆｔｈｅａｌｇｏｒｉｔｈｍｗｅｒｅｖｅｒｉｆｉｅｄｂｙｉｍａｇｅｒｅｔｒｉｅｖａｌｅｘｐｅｒｉｍｅｎｔ． Ｋｅｙｗｏｒｄｓ：ｃｏｔｒａｉｎｉｎｇ；ｓｅｍｉｓｕｐｅｒｖｉｓｅｄｌｅａｒｎｉｎｇ；ｅｎｓｅｍｂｌｅｌｅａｒｎｉｎｇ；ａｃｔｉｖｅｌｅａｒｎｉｎｇ；ｉｍａｇｅ