[發(fā)明專利]一種基于置信度和聚類的未標(biāo)記樣本選擇的方法

在審

• 申請?zhí)枺?/td>: 201410395794.6
• 申請日: 2014-08-12
• 公開（公告）號: CN104156438A
• 公開（公告）日: 2014-11-19
• 發(fā)明（設(shè)計(jì)）人: 王榮燕;謝延紅
• 申請（專利權(quán)）人: 德州學(xué)院
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06K9/66
• 代理公司: 北京科億知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11350
• 代理人: 湯東鳳

1.一種基于置信度和聚類的未標(biāo)記樣本選擇的方法，其特征在于，采用分層TSVM分類器和基于置信度和聚類的未標(biāo)記樣本選擇的方法；具體包括：

首先將所有的未標(biāo)記樣本進(jìn)行聚類，選擇離簇邊界比較近的樣本，選出邊界樣本后，用已標(biāo)記樣本訓(xùn)練有監(jiān)督的SVM分類器，并對選出的邊界樣本進(jìn)行識別，選擇不同置信度區(qū)間的未標(biāo)記樣本進(jìn)行TSVM訓(xùn)練；得到樣本的置信度后，定義某一閾值λ，選擇置信度大于λ的未標(biāo)記樣本進(jìn)入下一層的半監(jiān)督。

2.根據(jù)權(quán)利要求1所述的半監(jiān)督學(xué)習(xí)中基于置信度和聚類的未標(biāo)記樣本選擇的方法，其特征在于，未標(biāo)記樣本滿足的條件以及選擇方法如下：

采用分層TSVM分類器，在每一層訓(xùn)練兩個(gè)TSVM分類器，加入半監(jiān)督學(xué)習(xí)的樣本，分別屬于每個(gè)分類器所對應(yīng)的相應(yīng)類別；

第一層，在靜音和非靜音的半監(jiān)督學(xué)習(xí)中，所有的未標(biāo)記樣本均屬于這兩個(gè)類別；因此，所有的未標(biāo)記樣本均滿足上述條件；

第一層的分類器訓(xùn)練完畢后，得到兩個(gè)分支，左分支為正類，右分支為負(fù)類，對每一個(gè)分支選擇屬于該分支的樣本；選擇的方法是，定義樣本x屬于某個(gè)類別的置信度Con(x)，第一層訓(xùn)練得到的分類面為f(x)，利用該分類面對所有的未標(biāo)記樣本重新識別，則x相對于分類面f(x)屬于某一類的置信度用x屬于該類的概率表示，采用Lin?et?al.對Platt概率輸出的一種改進(jìn)算法進(jìn)行概率估計(jì)，即：

Con(x)=prob(y|x)exp(Af(x)+B)1+exp(Af(x)+B);if f(x)>011+exp(Af(x)+B);others---(5-5)]]>

其中，A和B通過訓(xùn)練數(shù)據(jù)和分類結(jié)果f(x)共同決定；

得到樣本的置信度后，定義某一閾值λ，選擇置信度大于λ的未標(biāo)記樣本進(jìn)入下一層的半監(jiān)督學(xué)習(xí)；

TSVM分類器本質(zhì)上還是SVM分類器，選擇未標(biāo)記樣本時(shí)，選擇支持向量機(jī)附近的樣本對分類器的訓(xùn)練更有幫助；這里，為了在未標(biāo)記樣本中，更多的選擇邊界樣本，同樣是通過聚類的方法實(shí)現(xiàn)。