[00033729]一类样本标签缺失数据的分类器训练方法
技术详细介绍
本技术处理两类样本的分类问题。其中负类样本的标签数据全部缺失，
观测数据中仅有部分正类样本的标签是已知的。缺失标签的数据可能是
正类样本，也可能是负类样本。该种类型的数据广泛出现于图像识别、
多肽鉴定等问题．主要技术难点： 由于负类样本标签均未知，该类问
题在数据质量较差的数据集上通常不稳定，另外，许多模型是较复杂的
非凸优化模型，在求解大规模数据集时存在困难． 所提供的技术核心
支撑点包括：（1）提供一套建模技术， 将样本标签的可靠性作为待求
解的决策变量，采用基于核的学习技术，建立适于求解的分类模型；
（2）引入自步长学习技术，首先用可靠样本训练模型，分批将复杂的
样本自动纳入训练过程，避免了分类器训练过程中，算法陷入较差的局
部最优解；（3）开发了在线学习算法，高效分析大规模数据集。应用
前景：凡是仅观测到部分正类样本的标签、而其余样本标签缺失的分类
问题，均可尝试该技术方案。例如 (1)多肽谱匹配匹配鉴定问题：部分
匹配错误的样本标签已知，从数据集中寻找匹配正确的样本； （2）识
别问题：从未标注数据中寻找与用户提供的样本相似的样本，如从数据
库中寻找与用户提供的图片相似的图片；（3）垃圾邮件检测：正常邮
件具有稳定的分布，可视为正类样本，垃圾邮件随时间推移通常采用不
同的策略，可视为未标号样本。
