1、物體識(shí)別是機(jī)器學(xué)習(xí)中的基本問題，解決對(duì)文本、圖片、視頻等數(shù)據(jù)做分類識(shí)別的問題。在數(shù)據(jù)量較少的情況下，傳統(tǒng)的機(jī)器學(xué)習(xí)方法已經(jīng)取得了很好的效果。但是，隨著信息量指數(shù)式的增加，獲得大量的數(shù)據(jù)標(biāo)注已經(jīng)變得幾乎無法完成，這使得傳統(tǒng)的機(jī)器學(xué)習(xí)方法在處理這類問題的時(shí)候顯得力不從心。在這樣的情況下，半監(jiān)督學(xué)習(xí)方法應(yīng)運(yùn)而生，它是使用少量有標(biāo)注數(shù)據(jù)的信息，將其擴(kuò)展到未標(biāo)注數(shù)據(jù)上，從而可以解決示例數(shù)據(jù)和標(biāo)注數(shù)據(jù)在數(shù)量上嚴(yán)重不匹配的問題。本文闡述了針對(duì)難以獲得

2、的精確標(biāo)注和容易獲得的粗略標(biāo)注同時(shí)存在的情況下的半監(jiān)督學(xué)習(xí)問題，研究了協(xié)同訓(xùn)練的魯棒性問題，即對(duì)給定初始標(biāo)注數(shù)據(jù)中的錯(cuò)誤，對(duì)協(xié)同訓(xùn)練性能的影響。在協(xié)同訓(xùn)練的魯棒性問題的基礎(chǔ)上，本文將信息瓶頸算法和計(jì)算后驗(yàn)概率的方法相結(jié)合，創(chuàng)新性地提出了一種使用無監(jiān)督學(xué)習(xí)方法產(chǎn)生偽標(biāo)注的方法。與現(xiàn)有方法相比，該方法僅需要較少的標(biāo)注信息，并可有效降低計(jì)算復(fù)雜度。在使用偽標(biāo)注的過程中，本文創(chuàng)新性地提出了一種使用偽標(biāo)注的協(xié)同訓(xùn)練方法。該方法以重排序算法為主要框