基于单类分类器的半监督学习

• 作者: 王琼 缪志敏 胡谷雨 赵陆文
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 单类分类器 半监督学习 集成学习 协同训练
• 年，卷（期）: 2009,（6）
• 所属期刊栏目: 研究与应用
• 页码范围: 924-930
• 页数: 7页
• 分类号: TP181
• 字数: 5551字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6059.2009.06.019

摘要

提出一种结合单类学习器和集成学习优点的Ensemble one-class半监督学习算法.该算法首先为少量有标识数据中的两类数据分别建立两个单类分类器.然后用建立好的两个单类分类器共同对无标识样本进行识别,利用已识别的无标识样本对已建立的两个分类面进行调整、优化.最终被识别出来的无标识数据和有标识数据集合在一起训练一个基分类器,多个基分类器集成在一起对测试样本的测试结果进行投票.在5个UCI数据集上进行实验表明,该算法与tri-training算法相比平均识别精度提高4.5%,与仅采用纯有标识数据的单类分类器相比,平均识别精度提高8.9%.从实验结果可以看出,该算法在解决半监督问题上是有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡谷雨	解放军理工大学指挥自动化学院	84	632	13.0	21.0
2	赵陆文	解放军理工大学通信工程学院	32	215	8.0	13.0
3	缪志敏	解放军理工大学通信工程学院	28	269	9.0	15.0
4	王琼	解放军理工大学指挥自动化学院	6	81	4.0	6.0