[发明专利]一种基于候选标记估计的未标记数据利用方法

权利要求书

1.一种基于候选标记估计的未标记数据利用方法，其特征在于，包括以下步骤：

S10、就特定分类任务从现实世界分类任务中获取已标记数据与未标记数据，并提取数据特征；

S20、根据数据特征估计未标记数据的候选标记集合，基于候选标记集合进一步估计其真实标记；

S30、从估计的真实标记中挑选符合要求的相应未标记数据加入已标记数据集，并将其从未标记数据集中剔除；

S40、基于扩充的已标记数据集，使用传统监督学习模型训练并返回分类结果；

S50、如果分类结果不满足要求，则基于步骤S30中更新的已标记数据集与未标记数据集，重新执行步骤S20-S40。

2.根据权利要求1所述的基于候选标记估计的未标记数据利用方法，其特征在于，所述步骤S10中，用户选取的分类数据集为D＝D_l∪D_u，其中D_l＝{(x_i，y_i)|1≤i≤l}表示已标记数据集，l为已标记的样本个数，y_i∈{y₁，y₂，...，y_q}为样本x_i所对应的类别标记，q为标记类别数；D_u＝{(x_j|l+1≤j≤l+u}表示未标记样本集，其中u为未标记的样本个数，记l+u＝m且l＜＜u。

3.根据权利要求2所述的基于候选标记估计的未标记数据利用方法，其特征在于，所述步骤S20包括以下步骤：

S21、构建(l+u)×q维的二值非负标记矩阵，表示数据集对应的候选标记集合，其中第j行表示x_j对应的候选标记集合；

S22、使用基于实例的方法并进行迭代的标记传播，基于候选标记集合进一步估计未标记数据的真实标记。

4.根据权利要求3所述的基于候选标记估计的未标记数据利用方法，其特征在于，所述步骤S21包括以下步骤：

S2101、执行候选标记集合初始化操作，对于已标记样本x_i∈D_l，其候选标记集合即为其真实标记，而对于未标记样本x_j∈D_u，其候选标记集合先初始化为0，对于候选标记集合S的第i行、第k列元素S_ik，其具体初始化过程如公式(1)：

其中y_i表示x_i的真实标记，k表示标记空间的第k个类别，y_i＝k表示y_i对应于标记空间的第k个类别；

S2102、将未标记样本编号j作为变量设为1；

S2103、判断j的值是否小于等于u，若是，则进入步骤S2104，否则该候选标记估计过程结束；

S2104、在已标记数据集中查找未标记样本x_j的k近邻样本，并将其在数据集中索引表示为集合使用高斯核函数计算x_j与其k近邻之间的关系，用W_j＝[W_j1，W_j2，...，W_jk]表示，每一维度W_jr计算如公式(2)：

其中，σ＞0是用户设定的带宽参数，exp表示以e为底的对数，表示2范数，x_j∈D_u，表示未标记样本，是x_j的第r个近邻且满足

S2105、基于相似的样例具有相似的标记这一假设，根据上步得到的特征空间的关系向量W_j，将特征空间的关系扩展到标记空间，以此构造x_j的候选标记集合，具体如公式(3)：

其中表示对应的候选标记集合；

S2106、将未标记样本x_j对应的候选标记集合规范化为二值向量，具体如公式(4)：

S_j+l，n表示未标记样本x_j的候选标记集合S_j+l的第n个维度的值；

S2107、变量j自增1，并返回步骤S2103处继续向下执行，直到遍历完整个未标记数据集。