基于特征学习的多示例多标记学习研究

《基于特征学习的多示例多标记学习研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、＇＾ＢＨＨＭｆｌＨＩ＾ＢｌＳＨＨｒｆＴ＾？－ｖｉＮＨＢＨＭＨＨＨ＾＾Ｈ＾ＢＨＭＨＮＨＨＩＢＨＨｌＨＭｌｆｌＨＩＨＢ＾ＨＨＨＨＭＨＢＩ＾ＨＨＨＨＨＨＭ＾ＨＩＢＨＢＨＭＨＭｉｌＨ＾ＨＨｔｌＨＥ＾ＨＨＩＨＨｆｌｌ＾＾＾＾＾ＨＨ＾？９ＢＩＢＢＢＩＨＨ￣ｙ位代码１０６０２Ｉ学号２０１３０１１５巧￣分类ｉＴＰ巧１密级公开心＇？序鑛／＃呼錢ＧＵＡＮＧＸＩＮＯＰＭＡＬＵＮＩＶＥＰ５１ＴＹ硕壬李扭本文基于特征学习的多示例多标记学习研究Ｒ的ｅａｒｃｈ－ｎｓａｎｃｅｕｔ－ｅｅａｒｎｎｓｅ

2、ＦｏｎＭｕｌｔｉｉｔＭｌｉｌａｂｌｉＢａｄｏｎｅａ化ｒｅｇＬｅａｒｎｉｎｇ学院：计算机科学与信息工程学院专业：计算机应用研究方向：机器学习、画像理解年级：２０１３级研究生：严考碧指导教师；李志欣教授完成日期！２０１６年４月基于特征学习的多示例多标记学习研巧专业名称：计算机应用技术申请人：严考碧指驟师：李志欣教授论文答辩委员会巧：命寺：委员吩知，炙緣基于特征学习的多示例多标记学习研究研究生姓名：严考碧导师姓名：李志欣

3、专业：计算机应用技术研究方向：机器学习、图像理解年级：２０１３级摘要随着互联网和多媒体技术的班速发展，每天都有海量的数据产生，其中就包含着海量的團像、文本等数据，如何有效地利用和管理送类图像、文本数据，日益成为科研和商业需要解决的一个问题。对于迭些海量的图像、文本等数据，数据呈现出给我们的不再是简一的内容形式单的单，现实生活中呈现出的更多是具有复杂内容的多义性的样本数据，如何有效地处理这类多义性样本数据一，是当前科研的个难点。在处理具有复杂内容的多义性对象时一，种比较有效的处理方法是多

4、示例多标记学习方法。在该种方法下，用多示例的方法来表示样本数据的复杂内容，用多标记的方法来表示样本数据的多个语义，通过提取示例的特征，对特征和标记之间建立模型，从而达到识别多语义样本数据的目的。然而，在建立算法模型时，提取什么样的特征，怎么来表示提取的特征，从根源上关一系到多示例多标学习方法的识别效果。基于这点，本文根据现有的底层特征提取方法、中层语义持征提取方法、特征学习如深度学习技术等，将这些技术融入到多示例多标记学一习方法中，提出了种通用的多示例多标记学习框架模型。本文的主要研究内容如

5、下：１通过研究特征学习技术、多示例多标记学习技术等，挖掘算法中的不足，在现有理（）一论方法的基础上，将特征学习技术融入到多示例多标记学习中，提出了种通用的多示例多标记学习框架，该模型框架可Ｗ很好地改善现有多示例多标记学习方法中的不足。一２）在通用模型框架的基础上，提出了种基于主题模型的多示例多标记学习方法（（ＣＰＮＭＩＭＬ），在该方法中，算法的特征学习模型采用的是概率潜在语义分析模型（ＰＬＳＡ，）一该特征学习模型是，种线层的特征学习模型，其特征学习的能力有限，因此基于卷积神ＣＮＮＭ一经网

6、络的多示例多标记学习方法（ＩＭＬ）应用而生，卷积神经网络是深度学习的种模型，具备良好的特征学习能力。在多示例多标记学习方法中，研究者已经提出了很多算法，而ＭＩＭＬＢＯＯＳＴ和，在进行实验结果对比时ＭＭＬＳＶＮ是两个比较典型的算法，因此，本文将提出的方法和ＭＩＭＬＢＯＯＳＴ和ＭＩＭＬＳＶＮ这两种方法分别进行了比较，在基准数据集上进行实验，结果，本文提出的方法在性能上都比ＭＩＭＬＢＯＯＳＴ和ＭＩＭＬＳＶＮ好表明。关键词！特征学习，多示例多标记学习，主题模型，深度学习，人工神经网络，卷积神经网

7、络，场景分类，文本分类Ｉ－－ＲｅｓｅａｒｃｈｏｎＭｕｌｔｉｉｎｓｔ；ａｎｃｅＭｕｌｔｉｌａｂｅｌＬｅａｒｎｉｎｇＢａｓｅｄｏｎＦｅａｔｕｒｅＬｅａｒｎｉｎｇＮａｍｅ：ＫａｏｂｉＹａｎＴｕｔｏｒ：ＺｈｉｘｉｎＬｉＭａｏｒ：Ｃｏｍｕｔ巧Ａｌｉｃａｔｉｏ打了ｅｃｈｎｏｌｏｊｐｐｐｇｙＲｅｓｅａｒｃｈＡｒｅａ：ＩｍａｇｅＰｒｏｃｅｓｓｉｎｇＧｒａｄｅ；２０１３ＡｂｓｔｒａｃｔＷｉｔｈｔｈｅｒａｐｉｄｄｅｖｅｌｏｐｍｅｎｔｏｆＩｎｔｅｒｎｅｔａｎ

8、ｄｍｕｌｔｉｍｅｄｉａ１：ｅｃｈｎｏｌｏｇｉｅｓ，化６巧ａｒｅｈｕｇｅａｍｏｕｎｔｓｏｆｄａｔａｂｅｉｎｇｒｏｄｕｃｅｄｅｖｅｒｄａｗｈｉｃｈｃｏｎｔａｉｎｓｈｕｅａｍｏｕｎｔｓｏｆｄａｔａｓｕｃｈａｓｉｍａｅｓｐｙｙ，ｇｇ，ｔｅｘｔａｎｄｓｏｏｎ．Ｈｏｗ化ｅｆｅｃｔｉｖｅｌｙｕｓｅａｎｄｍａｎａ