一种基于主动学习的集成协同训练算法

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。

基于协同训练的CRF模型评价信息识别的设计

随着电商的飞速发展,越来越多的人选择通过网络来购物,随之而来的是消费者在各大购物网站上发表的大量评价信息。为了从中快速识别出关键的评价信息,本文基于协同训练算法(Co-training),利用条件随机场(CRF)模型,设计了一种自动识别关键的评价信息的方法。与2014COAE评测对比,该方法的效果优于评测平均水平,验证了该方法的有效性。

基于半监督学习方法的软件故障定位研究

故障定位是软件工程中最为耗时和昂贵的活动之一,为降低软件故障定位的成本及提高故障定位的效率,机器学习方法被广泛应用于自动化软件故障定位中。传统的监督学习方法需要获取大量标记样本,这在实际项目中相当困难,且费用高昂。针对这一问题,提出采用半监督学习方法进行软件故障定位的思想,故障定位基于语句级别,通过应用程序中可执行语句与测试用例执行之间动态属性、以及传统软件故障定位中较有效的若干静态属性实现协同训练目的,得到训练良好的分类器,然后用该分类器对程序其余语句进行分类,从而得到故障语句。文章最后在Siemens Suite数据集中对算法进行验证,通过与传统监督学习算法进行对比,证明半监督学习算法在软件故障定位中的有效性。

基于SSD神经网络的图像自动标注及应用研究

针对目前图片标注成本高的问题,提出了融合自动标注半监督学习的协同训练算法:先基于SSD算法训练图片检测模型,融合半监督学习算法,在用自动标注的图片训练模型时叠加手动标注的数据,最终生成目标检测自动标注模型。实验结果表明,模型在经过6次迭代后自动标注生成的位置坐标与手动标注的真实位置坐标之间的平均IoU达到了80%以上,测试结果说明该算法在实际应用中有较大的应用前景。

基于半监督学习的恶意URL检测方法

检测恶意URL对防御网络攻击有着重要意义.针对有监督学习需要大量有标签样本这一问题,本文采用半监督学习方式训练恶意URL检测模型,减少了为数据打标签带来的成本开销.在传统半监督学习协同训练(co-training)的基础上进行了算法改进,利用专家知识与Doc2Vec两种方法预处理的数据训练两个分类器,筛选两个分类器预测结果相同且置信度高的数据打上伪标签(pseudo-labeled)后用于分类器继续学习.实验结果表明,本文方法只用0.67%的有标签数据即可训练出检测精确度(precision)分别达到99.42%和95.23%的两个不同类型分类器,与有监督学习性能相近,比自训练与协同训练表现更优异.