摘要 針對(duì)當(dāng)前主動(dòng)學(xué)習(xí)策略直接用于SVM分類(lèi)器時(shí)存在的泛化能力不強(qiáng)的問(wèn)題，結(jié)合協(xié)同訓(xùn)練思想，提出了兩層主動(dòng)學(xué)習(xí)策略（TLAC），并用于SVM深層挖掘未標(biāo)記樣本數(shù)據(jù)的分布知識(shí).實(shí)驗(yàn)表明，該TLAC策略能夠合理的指定TSVM算法中的正樣本數(shù)，在典型指標(biāo)測(cè)試中都表現(xiàn)出了一定的優(yōu)越性.

關(guān)鍵詞 協(xié)同訓(xùn)練；主動(dòng)學(xué)習(xí)；貝葉斯網(wǎng)絡(luò)；支持向量機(jī)

中圖分類(lèi)號(hào) TP315 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào)-1000-2537（2014）01-0090-05

在傳統(tǒng)的學(xué)習(xí)機(jī)技術(shù)中，學(xué)習(xí)器的學(xué)習(xí)主要針對(duì)帶有標(biāo)記的樣本數(shù)據(jù)，而且通過(guò)模擬建立的模型主要用于對(duì)有標(biāo)記的樣本數(shù)據(jù)集進(jìn)行數(shù)據(jù)的預(yù)測(cè)和推斷，并在分類(lèi)問(wèn)題中標(biāo)記出樣本數(shù)據(jù)的類(lèi)別.由于目前數(shù)據(jù)收集技術(shù)的快速發(fā)展和逐步提高，在收集數(shù)據(jù)時(shí)對(duì)未標(biāo)記樣本數(shù)據(jù)的收集十分容易，而在獲取大量有標(biāo)記的樣本數(shù)據(jù)時(shí)比較困難，這是因?yàn)樵讷@取有標(biāo)記樣本數(shù)據(jù)時(shí)需要耗費(fèi)大量的人力、財(cái)力、物力等資源.而利用少量有標(biāo)記樣本數(shù)據(jù)訓(xùn)練出的學(xué)習(xí)器往往泛化能力并不強(qiáng).那么如何在有標(biāo)記樣本數(shù)據(jù)較少的情況下，通過(guò)利用大量的不帶標(biāo)記樣本數(shù)據(jù)來(lái)改善學(xué)習(xí)器的性能已經(jīng)成為目前機(jī)器學(xué)習(xí)研究的熱點(diǎn)之一.

1研究現(xiàn)狀

文獻(xiàn)[1]首次將主動(dòng)學(xué)習(xí)策略用于支持向量機(jī)（Support Vector Machine，SVM）算法中，文中利用主動(dòng)學(xué)習(xí)策略選取SVM分類(lèi)器最有可能預(yù)測(cè)的樣本，根據(jù)這些樣本盡可能地簡(jiǎn)約SVM分類(lèi)器超平面所在的版本空間，從而得到最有可能近似正確劃分所有樣本的超平面.實(shí)驗(yàn)分析也指出對(duì)直推支持向量機(jī)（Transducive Support Vector Machine， TSVM）采用文中所提的主動(dòng)查詢(xún)策略在某些情況下不如隨機(jī)查詢(xún)效果好.文獻(xiàn)[2]利用主動(dòng)學(xué)習(xí)策略并結(jié)合高斯隨機(jī)場(chǎng)和諧波函數(shù)對(duì)學(xué)習(xí)器進(jìn)行半監(jiān)督形式的學(xué)習(xí)，該策略首先通過(guò)樣本數(shù)據(jù)訓(xùn)練建立一個(gè)圖，圖中建立的每個(gè)節(jié)點(diǎn)都代表一個(gè)（有標(biāo)記或未標(biāo)記）樣本數(shù)據(jù)，然后通過(guò)求解對(duì)應(yīng)的函數(shù)最優(yōu)值，進(jìn)一步獲取未標(biāo)記樣本數(shù)據(jù)的最優(yōu)標(biāo)記.該文在最后的實(shí)驗(yàn)分析中指出如果利用結(jié)構(gòu)風(fēng)險(xiǎn)最小化準(zhǔn)則去主動(dòng)查詢(xún)訓(xùn)練SVM，所得到的精度甚至不如直接在SVM上隨機(jī)查詢(xún)所得的訓(xùn)練精度.文獻(xiàn)[3]提出的基于SVM的主動(dòng)學(xué)習(xí)方法，采用版本空間和邊緣方法選取樣本的標(biāo)記，其主要思想是反復(fù)選擇離分類(lèi)超平面最近的未標(biāo)記樣本標(biāo)注直至達(dá)到設(shè)定閾值停止.文獻(xiàn)[4]則對(duì)文中提出的方法進(jìn)行改進(jìn)，提出了一種基于不確定選樣和確定選擇相結(jié)合的主動(dòng)學(xué)習(xí)方法，并應(yīng)用于淺層語(yǔ)義分析的任務(wù).

基于上述文獻(xiàn)分析，目前基于SVM的學(xué)習(xí)存在下面兩個(gè)問(wèn)題：（1）對(duì)于錯(cuò)誤樣本標(biāo)記敏感，如果初始的SVM分類(lèi)超平面位置不好，需要很長(zhǎng)時(shí)間才能移動(dòng)到合理的位置，甚至受錯(cuò)誤標(biāo)記影響較大時(shí)，分類(lèi)超平面會(huì)一直停留在不合理的位置：（2）基于SVM的主動(dòng)學(xué)習(xí)在查詢(xún)的中后期，查詢(xún)的點(diǎn)大部分位于SVM分類(lèi)超平面附近，使得算法的泛化能力不強(qiáng).

2兩層主動(dòng)學(xué)習(xí)策略

2.1直推支持向量機(jī)設(shè)計(jì)

因?yàn)閿?shù)據(jù)集中的標(biāo)記樣本是在數(shù)據(jù)集中隨機(jī)選取的，如果初始分類(lèi)超平面處在不合理的位置，利用TSVM訓(xùn)練得到的準(zhǔn)確率也可能不太好.從圖1可以看出，在處理1類(lèi)和3類(lèi)時(shí)，我們的算法準(zhǔn)確率更高，這是因?yàn)門(mén)SVM在初始估計(jì)的正樣本數(shù)和真實(shí)值之間相差較大.但是1類(lèi)和3類(lèi)的召回率有所下降，這是因?yàn)檫@兩類(lèi)維數(shù)較高，由于高維特征空間映射時(shí)可能導(dǎo)致樣本相對(duì)位置改變，從而影響分類(lèi)器的決策.4類(lèi)的樣本分布不均勻?qū)е铝司扔兴陆?

4結(jié)束語(yǔ)

針對(duì)當(dāng)前TSVM算法存在的問(wèn)題和主動(dòng)學(xué)習(xí)策略用于SVM分類(lèi)器的缺陷，本文提出了一種基于貝葉斯的主動(dòng)學(xué)習(xí)選取樣本策略用于TSVM算法中，在一定程度上解決了TSVM算法指定正樣本的問(wèn)題，同時(shí)也使主動(dòng)學(xué)習(xí)策略能在全局分布上進(jìn)行查詢(xún)樣本，進(jìn)而使SVM分類(lèi)器的超平面移動(dòng)到合理的位置.由于貝葉斯分類(lèi)器也有其固有的假設(shè)性缺陷，本文的后續(xù)工作是進(jìn)一步改進(jìn)主動(dòng)學(xué)習(xí)策略，挖掘未標(biāo)記數(shù)據(jù)的潛在分布知識(shí)，并用真實(shí)數(shù)據(jù)集加以測(cè)試.

參考文獻(xiàn)：

[1]袁勛，吳秀清，洪日昌. 基于主動(dòng)學(xué)習(xí)SVM分類(lèi)器的視頻分類(lèi)[J]. 中國(guó)科學(xué)技術(shù)大學(xué)學(xué)報(bào)， 2009，39（5）：473478.

[2]趙英剛，陳奇，何欽銘.一種基于支持向量機(jī)的直推式學(xué)習(xí)算法[J].江南大學(xué)學(xué)報(bào)：自然科學(xué)版， 2006，26（8）：441444.

[3]陳耀東，王挺，陳火旺.半監(jiān)督學(xué)習(xí)和主動(dòng)學(xué)習(xí)相結(jié)合的淺層次語(yǔ)義分析[J].中文信息學(xué)報(bào)， 2008，22（2）：7075.

[3]CHEN Y D， WANG T， CHEN H W. Combining semisupervised learning and active learning for shallow semantic parsing[J]. J Chin Infor Proc， 2008，22（2）：7075.

[4]劉端陽(yáng)，邱衛(wèi)杰. 基于SVM期望間隔的多標(biāo)簽分類(lèi)的主動(dòng)學(xué)習(xí)[J].計(jì)算機(jī)科學(xué)， 2011，38（4）： 230233.

[5]劉端陽(yáng)，邱衛(wèi)杰. 基于加權(quán)SVM主動(dòng)學(xué)習(xí)的多標(biāo)簽分類(lèi)[J].計(jì)算機(jī)工程， 2011，37（8）：181183.

[6]趙衛(wèi)中，馬慧芳，李志清. 一種結(jié)合主動(dòng)學(xué)習(xí)的半監(jiān)督文檔聚類(lèi)算法[J]. 軟件學(xué)報(bào)， 2012，23（6）：14861499.

[7]白龍飛， 王文劍， 郭虎升. 一種新的支持向量機(jī)主動(dòng)學(xué)習(xí)策略[J]. 南京大學(xué)學(xué)報(bào)：自然科學(xué)版， 2012，48（2）：182189.

[8]楊穎濤，王躍鋼，鄧衛(wèi)強(qiáng)，等. 基于共軛先驗(yàn)分布的貝葉斯網(wǎng)絡(luò)分類(lèi)模型[J].控制與決策， 2012，27（9）：13931397.

[9]王中鋒，王志海. 基于條件對(duì)數(shù)似然函數(shù)導(dǎo)數(shù)的貝葉斯網(wǎng)絡(luò)分類(lèi)器優(yōu)化算法[J]. 計(jì)算機(jī)學(xué)報(bào)， 2012，35（2）：364374.

[10]曾杰鵬， 廖芹， 谷志元. 基于結(jié)構(gòu)繼承的貝葉斯網(wǎng)結(jié)構(gòu)學(xué)習(xí)優(yōu)化設(shè)計(jì)[J]. 計(jì)算機(jī)工程與設(shè)計(jì)， 2012，33（7）：27822786.

[11]張曉宇. 基于動(dòng)態(tài)可行域劃分的SVM主動(dòng)學(xué)習(xí)[J].計(jì)算機(jī)科學(xué)， 2012，39（7）：175178.

[12]吳偉寧，劉揚(yáng)，郭茂祖. 基于采樣策略的主動(dòng)學(xué)習(xí)算法研究進(jìn)展[J]. 計(jì)算機(jī)研究與發(fā)展， 2012，19（6）：11621173.

[13]戴上平，姬盈利，王華. 基于多群協(xié)同人工魚(yú)群算法的分類(lèi)規(guī)則提取算法[J]. 計(jì)算機(jī)應(yīng)用研究， 2012，29（5）：16661669.

[14]MERZ C， MURPHY P， AHA W. UCI Repository of machine learning databases[D].Irvine： Department of Information and Computer Science， University of California， 1997.

[15]謝科. 基于可分辨矩陣的屬性集依賴(lài)度計(jì)算方法[J]. 湖南師范大學(xué)自然科學(xué)學(xué)報(bào)， 2012，35（6）：1316.

（編輯沈小玲）

摘要 針對(duì)當(dāng)前主動(dòng)學(xué)習(xí)策略直接用于SVM分類(lèi)器時(shí)存在的泛化能力不強(qiáng)的問(wèn)題，結(jié)合協(xié)同訓(xùn)練思想，提出了兩層主動(dòng)學(xué)習(xí)策略（TLAC），并用于SVM深層挖掘未標(biāo)記樣本數(shù)據(jù)的分布知識(shí).實(shí)驗(yàn)表明，該TLAC策略能夠合理的指定TSVM算法中的正樣本數(shù)，在典型指標(biāo)測(cè)試中都表現(xiàn)出了一定的優(yōu)越性.

關(guān)鍵詞 協(xié)同訓(xùn)練；主動(dòng)學(xué)習(xí)；貝葉斯網(wǎng)絡(luò)；支持向量機(jī)

中圖分類(lèi)號(hào) TP315 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào)-1000-2537（2014）01-0090-05

在傳統(tǒng)的學(xué)習(xí)機(jī)技術(shù)中，學(xué)習(xí)器的學(xué)習(xí)主要針對(duì)帶有標(biāo)記的樣本數(shù)據(jù)，而且通過(guò)模擬建立的模型主要用于對(duì)有標(biāo)記的樣本數(shù)據(jù)集進(jìn)行數(shù)據(jù)的預(yù)測(cè)和推斷，并在分類(lèi)問(wèn)題中標(biāo)記出樣本數(shù)據(jù)的類(lèi)別.由于目前數(shù)據(jù)收集技術(shù)的快速發(fā)展和逐步提高，在收集數(shù)據(jù)時(shí)對(duì)未標(biāo)記樣本數(shù)據(jù)的收集十分容易，而在獲取大量有標(biāo)記的樣本數(shù)據(jù)時(shí)比較困難，這是因?yàn)樵讷@取有標(biāo)記樣本數(shù)據(jù)時(shí)需要耗費(fèi)大量的人力、財(cái)力、物力等資源.而利用少量有標(biāo)記樣本數(shù)據(jù)訓(xùn)練出的學(xué)習(xí)器往往泛化能力并不強(qiáng).那么如何在有標(biāo)記樣本數(shù)據(jù)較少的情況下，通過(guò)利用大量的不帶標(biāo)記樣本數(shù)據(jù)來(lái)改善學(xué)習(xí)器的性能已經(jīng)成為目前機(jī)器學(xué)習(xí)研究的熱點(diǎn)之一.

1研究現(xiàn)狀

文獻(xiàn)[1]首次將主動(dòng)學(xué)習(xí)策略用于支持向量機(jī)（Support Vector Machine，SVM）算法中，文中利用主動(dòng)學(xué)習(xí)策略選取SVM分類(lèi)器最有可能預(yù)測(cè)的樣本，根據(jù)這些樣本盡可能地簡(jiǎn)約SVM分類(lèi)器超平面所在的版本空間，從而得到最有可能近似正確劃分所有樣本的超平面.實(shí)驗(yàn)分析也指出對(duì)直推支持向量機(jī)（Transducive Support Vector Machine， TSVM）采用文中所提的主動(dòng)查詢(xún)策略在某些情況下不如隨機(jī)查詢(xún)效果好.文獻(xiàn)[2]利用主動(dòng)學(xué)習(xí)策略并結(jié)合高斯隨機(jī)場(chǎng)和諧波函數(shù)對(duì)學(xué)習(xí)器進(jìn)行半監(jiān)督形式的學(xué)習(xí)，該策略首先通過(guò)樣本數(shù)據(jù)訓(xùn)練建立一個(gè)圖，圖中建立的每個(gè)節(jié)點(diǎn)都代表一個(gè)（有標(biāo)記或未標(biāo)記）樣本數(shù)據(jù)，然后通過(guò)求解對(duì)應(yīng)的函數(shù)最優(yōu)值，進(jìn)一步獲取未標(biāo)記樣本數(shù)據(jù)的最優(yōu)標(biāo)記.該文在最后的實(shí)驗(yàn)分析中指出如果利用結(jié)構(gòu)風(fēng)險(xiǎn)最小化準(zhǔn)則去主動(dòng)查詢(xún)訓(xùn)練SVM，所得到的精度甚至不如直接在SVM上隨機(jī)查詢(xún)所得的訓(xùn)練精度.文獻(xiàn)[3]提出的基于SVM的主動(dòng)學(xué)習(xí)方法，采用版本空間和邊緣方法選取樣本的標(biāo)記，其主要思想是反復(fù)選擇離分類(lèi)超平面最近的未標(biāo)記樣本標(biāo)注直至達(dá)到設(shè)定閾值停止.文獻(xiàn)[4]則對(duì)文中提出的方法進(jìn)行改進(jìn)，提出了一種基于不確定選樣和確定選擇相結(jié)合的主動(dòng)學(xué)習(xí)方法，并應(yīng)用于淺層語(yǔ)義分析的任務(wù).

基于上述文獻(xiàn)分析，目前基于SVM的學(xué)習(xí)存在下面兩個(gè)問(wèn)題：（1）對(duì)于錯(cuò)誤樣本標(biāo)記敏感，如果初始的SVM分類(lèi)超平面位置不好，需要很長(zhǎng)時(shí)間才能移動(dòng)到合理的位置，甚至受錯(cuò)誤標(biāo)記影響較大時(shí)，分類(lèi)超平面會(huì)一直停留在不合理的位置：（2）基于SVM的主動(dòng)學(xué)習(xí)在查詢(xún)的中后期，查詢(xún)的點(diǎn)大部分位于SVM分類(lèi)超平面附近，使得算法的泛化能力不強(qiáng).

2兩層主動(dòng)學(xué)習(xí)策略

2.1直推支持向量機(jī)設(shè)計(jì)

因?yàn)閿?shù)據(jù)集中的標(biāo)記樣本是在數(shù)據(jù)集中隨機(jī)選取的，如果初始分類(lèi)超平面處在不合理的位置，利用TSVM訓(xùn)練得到的準(zhǔn)確率也可能不太好.從圖1可以看出，在處理1類(lèi)和3類(lèi)時(shí)，我們的算法準(zhǔn)確率更高，這是因?yàn)門(mén)SVM在初始估計(jì)的正樣本數(shù)和真實(shí)值之間相差較大.但是1類(lèi)和3類(lèi)的召回率有所下降，這是因?yàn)檫@兩類(lèi)維數(shù)較高，由于高維特征空間映射時(shí)可能導(dǎo)致樣本相對(duì)位置改變，從而影響分類(lèi)器的決策.4類(lèi)的樣本分布不均勻?qū)е铝司扔兴陆?

4結(jié)束語(yǔ)

針對(duì)當(dāng)前TSVM算法存在的問(wèn)題和主動(dòng)學(xué)習(xí)策略用于SVM分類(lèi)器的缺陷，本文提出了一種基于貝葉斯的主動(dòng)學(xué)習(xí)選取樣本策略用于TSVM算法中，在一定程度上解決了TSVM算法指定正樣本的問(wèn)題，同時(shí)也使主動(dòng)學(xué)習(xí)策略能在全局分布上進(jìn)行查詢(xún)樣本，進(jìn)而使SVM分類(lèi)器的超平面移動(dòng)到合理的位置.由于貝葉斯分類(lèi)器也有其固有的假設(shè)性缺陷，本文的后續(xù)工作是進(jìn)一步改進(jìn)主動(dòng)學(xué)習(xí)策略，挖掘未標(biāo)記數(shù)據(jù)的潛在分布知識(shí)，并用真實(shí)數(shù)據(jù)集加以測(cè)試.

參考文獻(xiàn)：

[1]袁勛，吳秀清，洪日昌. 基于主動(dòng)學(xué)習(xí)SVM分類(lèi)器的視頻分類(lèi)[J]. 中國(guó)科學(xué)技術(shù)大學(xué)學(xué)報(bào)， 2009，39（5）：473478.

[2]趙英剛，陳奇，何欽銘.一種基于支持向量機(jī)的直推式學(xué)習(xí)算法[J].江南大學(xué)學(xué)報(bào)：自然科學(xué)版， 2006，26（8）：441444.

[3]陳耀東，王挺，陳火旺.半監(jiān)督學(xué)習(xí)和主動(dòng)學(xué)習(xí)相結(jié)合的淺層次語(yǔ)義分析[J].中文信息學(xué)報(bào)， 2008，22（2）：7075.

[3]CHEN Y D， WANG T， CHEN H W. Combining semisupervised learning and active learning for shallow semantic parsing[J]. J Chin Infor Proc， 2008，22（2）：7075.

[4]劉端陽(yáng)，邱衛(wèi)杰. 基于SVM期望間隔的多標(biāo)簽分類(lèi)的主動(dòng)學(xué)習(xí)[J].計(jì)算機(jī)科學(xué)， 2011，38（4）： 230233.

[5]劉端陽(yáng)，邱衛(wèi)杰. 基于加權(quán)SVM主動(dòng)學(xué)習(xí)的多標(biāo)簽分類(lèi)[J].計(jì)算機(jī)工程， 2011，37（8）：181183.

[6]趙衛(wèi)中，馬慧芳，李志清. 一種結(jié)合主動(dòng)學(xué)習(xí)的半監(jiān)督文檔聚類(lèi)算法[J]. 軟件學(xué)報(bào)， 2012，23（6）：14861499.

[7]白龍飛， 王文劍， 郭虎升. 一種新的支持向量機(jī)主動(dòng)學(xué)習(xí)策略[J]. 南京大學(xué)學(xué)報(bào)：自然科學(xué)版， 2012，48（2）：182189.

[8]楊穎濤，王躍鋼，鄧衛(wèi)強(qiáng)，等. 基于共軛先驗(yàn)分布的貝葉斯網(wǎng)絡(luò)分類(lèi)模型[J].控制與決策， 2012，27（9）：13931397.

[9]王中鋒，王志海. 基于條件對(duì)數(shù)似然函數(shù)導(dǎo)數(shù)的貝葉斯網(wǎng)絡(luò)分類(lèi)器優(yōu)化算法[J]. 計(jì)算機(jī)學(xué)報(bào)， 2012，35（2）：364374.

[10]曾杰鵬， 廖芹， 谷志元. 基于結(jié)構(gòu)繼承的貝葉斯網(wǎng)結(jié)構(gòu)學(xué)習(xí)優(yōu)化設(shè)計(jì)[J]. 計(jì)算機(jī)工程與設(shè)計(jì)， 2012，33（7）：27822786.

[11]張曉宇. 基于動(dòng)態(tài)可行域劃分的SVM主動(dòng)學(xué)習(xí)[J].計(jì)算機(jī)科學(xué)， 2012，39（7）：175178.

[12]吳偉寧，劉揚(yáng)，郭茂祖. 基于采樣策略的主動(dòng)學(xué)習(xí)算法研究進(jìn)展[J]. 計(jì)算機(jī)研究與發(fā)展， 2012，19（6）：11621173.

[13]戴上平，姬盈利，王華. 基于多群協(xié)同人工魚(yú)群算法的分類(lèi)規(guī)則提取算法[J]. 計(jì)算機(jī)應(yīng)用研究， 2012，29（5）：16661669.

[14]MERZ C， MURPHY P， AHA W. UCI Repository of machine learning databases[D].Irvine： Department of Information and Computer Science， University of California， 1997.

[15]謝科. 基于可分辨矩陣的屬性集依賴(lài)度計(jì)算方法[J]. 湖南師范大學(xué)自然科學(xué)學(xué)報(bào)， 2012，35（6）：1316.

（編輯沈小玲）

摘要 針對(duì)當(dāng)前主動(dòng)學(xué)習(xí)策略直接用于SVM分類(lèi)器時(shí)存在的泛化能力不強(qiáng)的問(wèn)題，結(jié)合協(xié)同訓(xùn)練思想，提出了兩層主動(dòng)學(xué)習(xí)策略（TLAC），并用于SVM深層挖掘未標(biāo)記樣本數(shù)據(jù)的分布知識(shí).實(shí)驗(yàn)表明，該TLAC策略能夠合理的指定TSVM算法中的正樣本數(shù)，在典型指標(biāo)測(cè)試中都表現(xiàn)出了一定的優(yōu)越性.

關(guān)鍵詞 協(xié)同訓(xùn)練；主動(dòng)學(xué)習(xí)；貝葉斯網(wǎng)絡(luò)；支持向量機(jī)

中圖分類(lèi)號(hào) TP315 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào)-1000-2537（2014）01-0090-05

在傳統(tǒng)的學(xué)習(xí)機(jī)技術(shù)中，學(xué)習(xí)器的學(xué)習(xí)主要針對(duì)帶有標(biāo)記的樣本數(shù)據(jù)，而且通過(guò)模擬建立的模型主要用于對(duì)有標(biāo)記的樣本數(shù)據(jù)集進(jìn)行數(shù)據(jù)的預(yù)測(cè)和推斷，并在分類(lèi)問(wèn)題中標(biāo)記出樣本數(shù)據(jù)的類(lèi)別.由于目前數(shù)據(jù)收集技術(shù)的快速發(fā)展和逐步提高，在收集數(shù)據(jù)時(shí)對(duì)未標(biāo)記樣本數(shù)據(jù)的收集十分容易，而在獲取大量有標(biāo)記的樣本數(shù)據(jù)時(shí)比較困難，這是因?yàn)樵讷@取有標(biāo)記樣本數(shù)據(jù)時(shí)需要耗費(fèi)大量的人力、財(cái)力、物力等資源.而利用少量有標(biāo)記樣本數(shù)據(jù)訓(xùn)練出的學(xué)習(xí)器往往泛化能力并不強(qiáng).那么如何在有標(biāo)記樣本數(shù)據(jù)較少的情況下，通過(guò)利用大量的不帶標(biāo)記樣本數(shù)據(jù)來(lái)改善學(xué)習(xí)器的性能已經(jīng)成為目前機(jī)器學(xué)習(xí)研究的熱點(diǎn)之一.

1研究現(xiàn)狀

文獻(xiàn)[1]首次將主動(dòng)學(xué)習(xí)策略用于支持向量機(jī)（Support Vector Machine，SVM）算法中，文中利用主動(dòng)學(xué)習(xí)策略選取SVM分類(lèi)器最有可能預(yù)測(cè)的樣本，根據(jù)這些樣本盡可能地簡(jiǎn)約SVM分類(lèi)器超平面所在的版本空間，從而得到最有可能近似正確劃分所有樣本的超平面.實(shí)驗(yàn)分析也指出對(duì)直推支持向量機(jī)（Transducive Support Vector Machine， TSVM）采用文中所提的主動(dòng)查詢(xún)策略在某些情況下不如隨機(jī)查詢(xún)效果好.文獻(xiàn)[2]利用主動(dòng)學(xué)習(xí)策略并結(jié)合高斯隨機(jī)場(chǎng)和諧波函數(shù)對(duì)學(xué)習(xí)器進(jìn)行半監(jiān)督形式的學(xué)習(xí)，該策略首先通過(guò)樣本數(shù)據(jù)訓(xùn)練建立一個(gè)圖，圖中建立的每個(gè)節(jié)點(diǎn)都代表一個(gè)（有標(biāo)記或未標(biāo)記）樣本數(shù)據(jù)，然后通過(guò)求解對(duì)應(yīng)的函數(shù)最優(yōu)值，進(jìn)一步獲取未標(biāo)記樣本數(shù)據(jù)的最優(yōu)標(biāo)記.該文在最后的實(shí)驗(yàn)分析中指出如果利用結(jié)構(gòu)風(fēng)險(xiǎn)最小化準(zhǔn)則去主動(dòng)查詢(xún)訓(xùn)練SVM，所得到的精度甚至不如直接在SVM上隨機(jī)查詢(xún)所得的訓(xùn)練精度.文獻(xiàn)[3]提出的基于SVM的主動(dòng)學(xué)習(xí)方法，采用版本空間和邊緣方法選取樣本的標(biāo)記，其主要思想是反復(fù)選擇離分類(lèi)超平面最近的未標(biāo)記樣本標(biāo)注直至達(dá)到設(shè)定閾值停止.文獻(xiàn)[4]則對(duì)文中提出的方法進(jìn)行改進(jìn)，提出了一種基于不確定選樣和確定選擇相結(jié)合的主動(dòng)學(xué)習(xí)方法，并應(yīng)用于淺層語(yǔ)義分析的任務(wù).

基于上述文獻(xiàn)分析，目前基于SVM的學(xué)習(xí)存在下面兩個(gè)問(wèn)題：（1）對(duì)于錯(cuò)誤樣本標(biāo)記敏感，如果初始的SVM分類(lèi)超平面位置不好，需要很長(zhǎng)時(shí)間才能移動(dòng)到合理的位置，甚至受錯(cuò)誤標(biāo)記影響較大時(shí)，分類(lèi)超平面會(huì)一直停留在不合理的位置：（2）基于SVM的主動(dòng)學(xué)習(xí)在查詢(xún)的中后期，查詢(xún)的點(diǎn)大部分位于SVM分類(lèi)超平面附近，使得算法的泛化能力不強(qiáng).

2兩層主動(dòng)學(xué)習(xí)策略

2.1直推支持向量機(jī)設(shè)計(jì)

因?yàn)閿?shù)據(jù)集中的標(biāo)記樣本是在數(shù)據(jù)集中隨機(jī)選取的，如果初始分類(lèi)超平面處在不合理的位置，利用TSVM訓(xùn)練得到的準(zhǔn)確率也可能不太好.從圖1可以看出，在處理1類(lèi)和3類(lèi)時(shí)，我們的算法準(zhǔn)確率更高，這是因?yàn)門(mén)SVM在初始估計(jì)的正樣本數(shù)和真實(shí)值之間相差較大.但是1類(lèi)和3類(lèi)的召回率有所下降，這是因?yàn)檫@兩類(lèi)維數(shù)較高，由于高維特征空間映射時(shí)可能導(dǎo)致樣本相對(duì)位置改變，從而影響分類(lèi)器的決策.4類(lèi)的樣本分布不均勻?qū)е铝司扔兴陆?

4結(jié)束語(yǔ)

針對(duì)當(dāng)前TSVM算法存在的問(wèn)題和主動(dòng)學(xué)習(xí)策略用于SVM分類(lèi)器的缺陷，本文提出了一種基于貝葉斯的主動(dòng)學(xué)習(xí)選取樣本策略用于TSVM算法中，在一定程度上解決了TSVM算法指定正樣本的問(wèn)題，同時(shí)也使主動(dòng)學(xué)習(xí)策略能在全局分布上進(jìn)行查詢(xún)樣本，進(jìn)而使SVM分類(lèi)器的超平面移動(dòng)到合理的位置.由于貝葉斯分類(lèi)器也有其固有的假設(shè)性缺陷，本文的后續(xù)工作是進(jìn)一步改進(jìn)主動(dòng)學(xué)習(xí)策略，挖掘未標(biāo)記數(shù)據(jù)的潛在分布知識(shí)，并用真實(shí)數(shù)據(jù)集加以測(cè)試.

參考文獻(xiàn)：

[1]袁勛，吳秀清，洪日昌. 基于主動(dòng)學(xué)習(xí)SVM分類(lèi)器的視頻分類(lèi)[J]. 中國(guó)科學(xué)技術(shù)大學(xué)學(xué)報(bào)， 2009，39（5）：473478.

[2]趙英剛，陳奇，何欽銘.一種基于支持向量機(jī)的直推式學(xué)習(xí)算法[J].江南大學(xué)學(xué)報(bào)：自然科學(xué)版， 2006，26（8）：441444.

[3]陳耀東，王挺，陳火旺.半監(jiān)督學(xué)習(xí)和主動(dòng)學(xué)習(xí)相結(jié)合的淺層次語(yǔ)義分析[J].中文信息學(xué)報(bào)， 2008，22（2）：7075.

[3]CHEN Y D， WANG T， CHEN H W. Combining semisupervised learning and active learning for shallow semantic parsing[J]. J Chin Infor Proc， 2008，22（2）：7075.

[4]劉端陽(yáng)，邱衛(wèi)杰. 基于SVM期望間隔的多標(biāo)簽分類(lèi)的主動(dòng)學(xué)習(xí)[J].計(jì)算機(jī)科學(xué)， 2011，38（4）： 230233.

[5]劉端陽(yáng)，邱衛(wèi)杰. 基于加權(quán)SVM主動(dòng)學(xué)習(xí)的多標(biāo)簽分類(lèi)[J].計(jì)算機(jī)工程， 2011，37（8）：181183.

[6]趙衛(wèi)中，馬慧芳，李志清. 一種結(jié)合主動(dòng)學(xué)習(xí)的半監(jiān)督文檔聚類(lèi)算法[J]. 軟件學(xué)報(bào)， 2012，23（6）：14861499.

[7]白龍飛， 王文劍， 郭虎升. 一種新的支持向量機(jī)主動(dòng)學(xué)習(xí)策略[J]. 南京大學(xué)學(xué)報(bào)：自然科學(xué)版， 2012，48（2）：182189.

[8]楊穎濤，王躍鋼，鄧衛(wèi)強(qiáng)，等. 基于共軛先驗(yàn)分布的貝葉斯網(wǎng)絡(luò)分類(lèi)模型[J].控制與決策， 2012，27（9）：13931397.

[9]王中鋒，王志海. 基于條件對(duì)數(shù)似然函數(shù)導(dǎo)數(shù)的貝葉斯網(wǎng)絡(luò)分類(lèi)器優(yōu)化算法[J]. 計(jì)算機(jī)學(xué)報(bào)， 2012，35（2）：364374.

[10]曾杰鵬， 廖芹， 谷志元. 基于結(jié)構(gòu)繼承的貝葉斯網(wǎng)結(jié)構(gòu)學(xué)習(xí)優(yōu)化設(shè)計(jì)[J]. 計(jì)算機(jī)工程與設(shè)計(jì)， 2012，33（7）：27822786.

[11]張曉宇. 基于動(dòng)態(tài)可行域劃分的SVM主動(dòng)學(xué)習(xí)[J].計(jì)算機(jī)科學(xué)， 2012，39（7）：175178.

[12]吳偉寧，劉揚(yáng)，郭茂祖. 基于采樣策略的主動(dòng)學(xué)習(xí)算法研究進(jìn)展[J]. 計(jì)算機(jī)研究與發(fā)展， 2012，19（6）：11621173.

[13]戴上平，姬盈利，王華. 基于多群協(xié)同人工魚(yú)群算法的分類(lèi)規(guī)則提取算法[J]. 計(jì)算機(jī)應(yīng)用研究， 2012，29（5）：16661669.

[14]MERZ C， MURPHY P， AHA W. UCI Repository of machine learning databases[D].Irvine： Department of Information and Computer Science， University of California， 1997.

[15]謝科. 基于可分辨矩陣的屬性集依賴(lài)度計(jì)算方法[J]. 湖南師范大學(xué)自然科學(xué)學(xué)報(bào)， 2012，35（6）：1316.

（編輯沈小玲）