10.3969/j.issn.0372-2112.2013.01.007
一种增强差异性的半监督协同分类算法
半监督学习中的Tri-Taining算法打破了以往算法对充分冗余视图的限制,并通过利用三个分类器处理标记置信度和样本预测问题提高了标记效率.为进一步增强协同训练过程中分类器之间的差异性以提高性能,本文在其理论基础上提出了一种增强差异性的半监督协同分类算法.该算法利用三个不同的分类器进行学习；考虑到分类模型在更新过程中,可能会因随机抽样导致性能恶化,该算法利用基于标记类别的分层抽样法来对已标记样本集进行抽样,并通过基于分类正确率的加权投票法实现了分类器的集成,提高了预测准确率.本文通过实验对所提出算法与Tri-Training算法做了性能比较,实验结果表明本文所提出的方法在分类问题上具有较好的性能,验证了该算法的有效性和可行性.
半监督协同分类算法、Tri-Training算法、增强差异性策略、分层抽样法
41
TP181(自动化基础理论)
国家自然科学基金61070182;北京市组织部优秀人才资助项目2010D005003000008;北京市学科建设项目PXM2012_014213_0000_74;北京市学科建设项目pxm_2012_014213_000023
2013-05-23（万方平台首次上网日期，不代表论文的发表时间）
共7页
35-41
