弱監督學習若干問題研究

《弱監督學習若干問題研究》是依託中國人民解放軍國防科技大學，由侯臣平擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：弱監督學習若干問題研究
• 項目類別：青年科學基金項目
• 項目負責人：侯臣平
• 依託單位：中國人民解放軍國防科技大學

中文摘要

弱監督學習（Weak Supervised Learning）是模式識別和機器學習領域最近的熱點研究問題。本項目以網路數據分類和生物特徵圖像子空間學習為背景，針對弱監督學習的理論、方法和套用展開研究。理論部分主要分析弱監督信息下聚類假設和流形學習假設的合理性。方法上，一方面研究三種不同類型弱監督信息下的分類、聚類和維數約簡算法。另一方面考慮弱監督信息獲取的代價，研究弱監督主動學習算法。套用中主要研究弱監督信息下網路數據的聚類和生物特徵圖像子空間學習問題。這三個部分緊密相連，理論和方法研究對於套用研究提供指導，套用研究為理論和方法研究提供了背景。課題研究不僅能夠加深弱監督學習基本理論的認識，對於解決實際中許多具體套用問題也有重要的指導意義。

結題摘要

弱監督學習是近年來模式識別和機器學習領域的一個前沿性課題。課題組人員在廣泛閱讀國內外參考文獻、資料的基礎上，對弱監督學習的若干問題有了深入的了解。項目組在弱監督學習的理論、方法和套用三個層面上開展了研究，提出了一系列方法，形成了一系列研究成果。總之，項目達到了既定的研究目標，超額完成了既定的研究內容。 弱監督學習的理論層次上，在弱監督信息下聚類假設和流形學習假設合理性理論分析的基礎上，提出了基於負標籤的半監督學習框架、基於連結的半監督維數約簡框架、基於多秩回歸的分類框架，建立了弱監督信息下特徵選擇的統一框架。這些算法驗證了理論分析的有效性。 弱監督學習算法層次上，在上述理論分析的指導下，開展了弱監督信息下的分類、聚類和維數約簡的研究。研究了弱監督主動學習問題。開展了如下幾個方面的工作：研究了弱監督條件下的多流形聚類方法，基於知識的譜多流形聚類算法、基於知識的線性多流形聚類算法和基於知識的局部和結構一致性的多流形聚類方法；在已有遷移學習研究的基礎上，將弱監督學習和遷移學習相結合，提出了基於特徵選擇、基於稀疏回歸、基於圖模型和基於稀疏約束的四種弱監督遷移學習算法。最後，在稀疏約束條件下研究弱監督學習問題，提出了基於模式收縮、基於張量和基於universum的三種弱監督學習算法。大大豐富了弱監督學習的內涵。 弱監督學習套用層次上，以網路數據生物圖像數據分析為切入點，開展了跨系統網頁的推薦問題和生物圖像分類問題等一系列實際問題的研究。 在上述研究的基礎上，課題組在整個項目執行期間共發表（含錄用）學術論文合計18篇，其中SCI檢索10篇，EI檢索17篇，包括SCI二區雜誌5篇，頂級國際會議3篇。資助培養博士研究生3名，碩士研究生5名。