文档介绍：博博博士士士学学学位位位论论论文文文
基于带约束随机游走图模型的
弱监督学****算法研究
RESEARCH ON WEAKLY SUPERVISED
LEARNING BASED ON CONTROLLED
RANDOM WALK MODEL
程程程圣圣圣军军军
哈哈哈尔尔尔滨滨滨工工工业业业大大大学学学
2014 年年年 6 月月月
国内图书分类号： 学校代码：10213
国际图书分类号： 密级：公开
工工工学学学博博博士士士学学学位位位论论论文文文
基于带约束随机游走图模型的
弱监督学****算法研究
博 士 研 究 生：程圣军
导 师：唐降龙教授
申 请 学 位：工学博士
学 科：计算机科学与技术
所 在 单 位：计算机科学与技术学院
答 辩 日 期：2014 年 6 月
授予学位单位：哈尔滨工业大学
Classified Index:
:
Dissertation for the Doctoral Degree in Engineering
RESEARCH ON WEAKLY SUPERVISED
LEARNING BASED ON CONTROLLED
RANDOM WALK MODEL
Candidate: Cheng Shengjun
Supervisor: Prof. Tang Xianglong
Academic Degree Applied for: Doctor of Engineering
Specialty: Computer Science and Technology
Affiliation: School of Computer Science and Technology
Date of Defence: June, 2014
Degree-Conferring-Institution: Harbin Institute of Technology
摘 要
摘 要
传统监督机器学****面对的是监督信息明确且完整的对象，需要大量标记数
据来保证学****机的泛化性能。随着研究不断深入以及应用不断推广，越来越多
机器学****问题面对的是缺乏明确和完整监督信息的对象，由此产生了许多诸如
半监督学****多标记学****和多示例学****等新型学****范式以及特定应用背景下的
新型学****问题：例如，如何利用弱标记、概率标记、模糊标记和噪声标记等廉
价标记进行学****此外，实际应用中的学****问题往往以混合形式出现，如多标
记多示例、半监督多标记、弱标记多标记等。本文将以上所有针对监督信息不
完整或不明确对象的学****问题统称为弱监督学****br/> 弱监督学****问题普遍存在于信息检索、图像识别与理解、视觉目标跟踪等
各种机器学****与模式识别应用中，弱监督样本的引入可以在不增加人工标注工
作量的条件下，扩大学****样本集合，提高模型的泛化能力。现有的弱监督学****br/>算法大多是针对特定学****问题提出的，仅适用于特定的弱监督学****场景，缺乏
统一的学****框架，无法解决各种复杂的混合弱监督学****问题。
本文一改以往针对不同类型弱监督学****问题进行单独研究的方式，将所有
具有弱监督性质的学****问题作为整体来研究，致力于建立可以综合应用各种弱
监督信息，适用于复杂弱监督学****场景的框架，能够将各种弱监督问题、混合
弱监督问题纳入统一框架内求解。本文以带约束随机游走图模型，一种新型图
方法为主要技术手段，采取图方法与现有学****算法相结合的策略，对半监督、
多标记以及混合弱监督学****问题进行深入研究