鄭學(xué)偉

1遼寧廣播電視大學(xué)，（沈陽 110034)2遼寧裝備制造職業(yè)技術(shù)學(xué)院，(沈陽 110161）

傳統(tǒng)的自主學(xué)習(xí)需要一組足夠多的已標(biāo)記樣例作為訓(xùn)練集，否則無法獲得足夠泛化性能的自主學(xué)習(xí)方法，而在實際應(yīng)用中，得到大量標(biāo)記樣例是非常困難的，甚至無法實現(xiàn)；試圖通過發(fā)現(xiàn)未標(biāo)記樣例中的隱含結(jié)構(gòu)，從而構(gòu)造出相應(yīng)的學(xué)習(xí)器，這導(dǎo)致自主學(xué)習(xí)通常很難保證較高的學(xué)習(xí)精度。因此，將少量帶標(biāo)記樣例和大量無標(biāo)記樣例結(jié)合的半自主學(xué)習(xí)成為機器學(xué)習(xí)研究熱點。

Tri-training算法是Zhou等提出的一種新的Co-training模式半監(jiān)督分類算法，本文提出一種能夠降低誤標(biāo)記樣例數(shù)的ART算法。該算法結(jié)合SVM自主學(xué)習(xí)輔助策略和富信息策略到Tri-training學(xué)習(xí)過程，在每次迭代生成新訓(xùn)練集時，首先用SVM自主學(xué)習(xí)輔助策略降低新標(biāo)記樣例中可能的誤標(biāo)記樣例數(shù)以減少新訓(xùn)練集的噪聲，其次采用富信息策略訓(xùn)練學(xué)習(xí)器，獲得另一個學(xué)習(xí)模型；重復(fù)這個過程，直到滿足停止準(zhǔn)則，學(xué)習(xí)過程結(jié)束。實驗表明，ART算法優(yōu)于Tri-training算法。

1 ART算法

1.1 Tri-training訓(xùn)練過程

假設(shè)初始少量帶標(biāo)記的樣例集為L，由L訓(xùn)練得到3個不同的初始學(xué)習(xí)器H1，H2和H3，x是無標(biāo)記樣例集U內(nèi)任意一點，Tri-training迭代訓(xùn)練基本過程為：如果H2和H3對x的分類結(jié)果H2(x)和H3(x)一致，那么可將x標(biāo)記為H2(x)并加入H1的訓(xùn)練集，如此 形成H1的新訓(xùn)練集S1=L∪{x|x∈U且H2(x)=H3(x)}。類似地，H2和H3的訓(xùn)練集也分別擴充為S2和S3，然后3個學(xué)習(xí)器重新訓(xùn)練，如此重復(fù)迭代，直至H1，H2，H3都沒有變化，訓(xùn)練過程結(jié)束。

顯然，Tri-training迭代訓(xùn)練過程中H2和H3共同標(biāo)記x為H2(x)，并給H1作訓(xùn)練數(shù)據(jù)時，如果準(zhǔn)確性足夠高，會優(yōu)化H1的訓(xùn)練結(jié)果，否則會在H1的訓(xùn)練集中加入噪聲，影響訓(xùn)練效果。為此，Zhou等分析得出一個能使假設(shè)分類錯誤率迭代降低的充分條件，并以該充分條件作為判斷準(zhǔn)則來決定新標(biāo)記的樣例集是否應(yīng)該被加入新訓(xùn)練集。由于Tri-training算法所采用的判斷準(zhǔn)則不僅沒有移除噪聲，而且限制了無標(biāo)記樣例被加入新訓(xùn)練集的數(shù)量，因此導(dǎo)致Tri-training算法不能充分地利用無標(biāo)記樣例，進而提出本文算法。

1.2 ART算法學(xué)習(xí)策略

對機器學(xué)習(xí)來說，采樣策略是必須的。富信息策略是一種特殊的采樣策略，即，一個弱學(xué)習(xí)器不能很好學(xué)習(xí)的樣例，將盡可能成為下一個弱學(xué)習(xí)器著重學(xué)習(xí)的樣例。本文中，“富信息”樣本的選取方法：如果某個樣例被當(dāng)前弱學(xué)習(xí)器準(zhǔn)確分類，則在構(gòu)造下一個分量學(xué)習(xí)器的訓(xùn)練集時，它被選中的概率為0；相反，如果某個樣例沒有被正確分類，則它入選下一個分量學(xué)習(xí)器訓(xùn)練集的概率為1。通過這種方式，學(xué)習(xí)器能夠聚焦于那些比較容易出現(xiàn)錯分的樣本，從而使學(xué)習(xí)器獲得較好的學(xué)習(xí)效果，提高分類精度。

1.3 ART算法描述

算法的基本設(shè)置是給定一個具有N類數(shù)據(jù)的已標(biāo)記樣例集、驗證集、無標(biāo)記樣例集以及測試集，所采用的三個分量學(xué)習(xí)器為SVM1(多項式核函數(shù))、KNCN、SVM2(RBF核函數(shù))，輔助學(xué)習(xí)器為SVM3(線性核函數(shù))，當(dāng)在驗證集上的集成測試達到穩(wěn)定狀態(tài)后算法終止。

2 算法應(yīng)用

2.1 實驗數(shù)據(jù)

本實驗共150個音頻數(shù)據(jù)，其中包括：有說話聲樣本、音樂鈴聲、各種動物聲音、環(huán)境音以及交通工具聲等。音頻數(shù)據(jù)的長度為4s，采樣率為8kHz，量化精度為16Bit。實驗中采用的音頻信號幀長為32ms、幀移10ms、預(yù)加重系數(shù)α取0.97、Mel濾波器的個數(shù)為24，并提取每個訓(xùn)練樣本的14維特征：第3層小波低頻系數(shù)的MFCC均值、質(zhì)心方差、譜熵方差。

2.2 實驗結(jié)果及分析

為比較驗證Tri-training算法、僅采用富信息策略R-Tri-training算法以及結(jié)合富信息策略與輔助學(xué)習(xí)策略ART，本文對已標(biāo)記樣例數(shù)為5、10、20，無標(biāo)記樣例數(shù)分別為1、10、20、30、40、50、60的情況進行了以上3種算法的實驗。所進行的實驗都是基于相同的驗證集、測試集，標(biāo)記樣例數(shù)和無標(biāo)記樣例在測試集上測試率的比較結(jié)果如圖1所示。

通過實驗結(jié)果可得出，在具有相同已標(biāo)記樣例，無標(biāo)記樣例比例的情況下，本文算法優(yōu)于前兩者算法。

在已標(biāo)記樣例個數(shù)相同的情況下，由于Tri-training算法不能充分地利用無標(biāo)記樣例，因此Tri-training算法的測試率逐漸降低；然而R-Tri-training算法在Tri-training算法的基礎(chǔ)上添加驗證集，能夠使得算法聚焦于出錯樣本，從而提高測試率，但噪聲數(shù)據(jù)依然存在；本文算法在增加1個學(xué)習(xí)器的基礎(chǔ)上結(jié)合富信息策略與輔助策略，達到降低誤標(biāo)記樣例的目的，充分地利用無標(biāo)記樣例的信息，進一步提高測試率，并且體現(xiàn)半自主學(xué)習(xí)的本質(zhì)特點。

同時，為了證明本文算法具有降低噪聲的能力，我們對ART算法、RT算法在訓(xùn)練過程中所出現(xiàn)的噪聲數(shù)進行了統(tǒng)計。在已標(biāo)記樣例數(shù)為10的情況下，無標(biāo)記樣例數(shù)分別為10、20、30、40、50、60的統(tǒng)計結(jié)果如表1所示。從表中我們很容易看出，本文算法ART有效的降低了噪聲。隨著樣本數(shù)的增加，ART算法優(yōu)于R-Tri-training算法，如，無標(biāo)記樣本數(shù)為60時，本文算法統(tǒng)計結(jié)果是4，而R-Tri-training統(tǒng)計結(jié)果是18。由此可見，本文算法結(jié)合富信息策略與輔助策略，充分利用了無標(biāo)記樣例信息，有效的降低了誤標(biāo)記樣例，起到了降低噪聲的能力。

表1 兩種算法在訓(xùn)練過程中出現(xiàn)的噪聲數(shù)統(tǒng)計結(jié)果

3 結(jié)語

針對Tri-training算法引起積累噪聲以及無標(biāo)記樣例利用率低，本文提出了基于輔助學(xué)習(xí)的ART算法，并將其引入說話聲識別。該算法采用富信息策略，使得錯分樣例成為弱學(xué)習(xí)器著重學(xué)習(xí)的樣例，從而提高學(xué)習(xí)器的分類精度；采用輔助學(xué)習(xí)策略，能夠有效地降低ART算法訓(xùn)練過程中積累的噪聲，同時提高了無標(biāo)記樣例的利用率。實驗驗證了該算法在噪聲性能方面的有效性。

[1]李昆侖,張偉,代運娜.基于Tri-training的半監(jiān)督SVM[J].計算機工程與應(yīng)用.2009,45(22):103-106.

[2]張雁,呂丹桔,吳保國.基于Tri-Training半監(jiān)督分類算法的研究[J].計算機技術(shù)與發(fā)展,2013,23(7):77-79.

[3]鄧超,郭茂祖.基于自適應(yīng)數(shù)據(jù)剪輯策略的Tri-training算法[J].計算機學(xué)報,2007,30(8):1213-1226.

[4]徐慶伶,汪西莉.一種基于支持向量機的半監(jiān)督分類方法[J].計算機技術(shù)與發(fā)展,2010,20(10):115-117.