基于特征變換的協(xié)同學習方法.pdf

1、在數(shù)據挖掘應用領域（如Web頁面分類），收集大量未標記的實例已相當容易，而標記這些實例卻需要耗費大量的人力物力。因此在有標記實例較少時，如何利用大量的未標記實例來改善學習性能已成為一個研究熱點，半監(jiān)督學習是其中一種主流學習技術，而協(xié)同學習又是半監(jiān)督學習中有代表的一類算法。
　　協(xié)同學習成功的關鍵在于構建準確而又有差異的基分類器，經典的協(xié)同學習算法有Co-Training、Tri-Training、COTRADE等。其中大多數(shù)的算法

2、采用自助采樣來構建此分類器，而自助采樣不能夠充分利用全部已標記實例集的信息，加之已標記實例本就特別稀少，使得學習到的分類器很難具有強泛化能力，從而影響了分類器的性能。
　　為了緩解上面提到的問題，本文提出了一種基于特征變換的協(xié)同學習方法，選取Tri-Training算法作為代表，將特征變換應用于Tri-Training中。與傳統(tǒng)的Tri-Training不同，該方法使用特征變換把全部已標記訓練實例集映射到新空間，得到有差異的訓練集

3、，從而避免了自助抽樣帶來的問題。這樣做的另外一個原因是:基于特征變換的方法更容易構建準確而又有差異的基分類器。
　　為了充分利用數(shù)據集的類分布信息，本文構建了一種新的基于Must-link和Cannot-link約束集合的特征變換TMC(Transformationbasedon Must-linkconstrainsand Cannot-linkconstrains)，并將其用于基于特征變換的Tri-Training方法中。