结合半监督与主动学习的时间序列PU问题分类

来源：计算机工程与应用杂志2018年第11期北京时间：

作者：陈 娟1，朱福喜1，2

单位：1.武汉大学 计算机学院，武汉 430072；2.汉口学院 计算机科学与技术学院，武汉 430212

摘要：目前基于PU问题的时间序列分类常采用半监督学习对未标注数据集[U]中数据进行自动标注并构建分类器，但在这种方法中，边界数据样本类别的自动标注难以保证正确性，从而导致构建分类器的效果不佳。针对以上问题，提出一种采用主动学习对未标注数据集[U]中数据进行人工标注从而构建分类器的方法OAL（Only Active Learning），基于投票委员会（QBC）对标注数据集构建多个分类器进行投票，以计算未标注数据样本的类别不一致性，并综合考虑数据样本的分布密度，计算数据样本的信息量，作为主动学习的数据选择策略。鉴于人工标注数据量有限，在上述OAL方法的基础上，将主动学习与半监督学习相结合，即在主动学习迭代过程中，将类别一致性高的部分数据样本自动标注，以增加训练数据中标注数据量，保证构建分类器的训练数据量。实验表明了该方法通过部分人工标注，相比半监督学习，能够为PU数据集构建更高准确率的分类器。

关键词：时间序列,正例和无标记样本（PU）问题,分类,主动学习,半监督学习