基于最小熵正则化的半监督分类

• 作者: 刘小兰 杨晓伟 郝志峰 马献恒
• 来源期刊: 华南理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 半监督学习 条件Havrda-Charvats结构α-熵 正则化 模式分类 拟牛顿法
• 年，卷（期）: 2010,（1）
• 所属期刊栏目: 计算机科学与技术
• 页码范围: 87-91
• 页数: 5页
• 分类号: TP18
• 字数: 4154字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-565X.2010.01.017

摘要

生成式模型需要对复杂的联合概率密度建模,并估计较多的参数,为此,文中提出了一种基于最小熵正则化的半监督分类算法.该算法利用Havrda-Charvat's结构 α-熵作为目标的正则项,并用拟牛顿法进行求解.该算法既是判别式的,又是直推式的,从而降低了对模型的依赖程度,同时可以方便地预测训练集之外的示例标记.在UCI数据库上的仿真实验结果表明,所提出的算法即使在有标记数据较少的情况下仍能获得较低的分类误差.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郝志峰	广东工业大学计算机学院	166	940	14.0	20.0
2	杨晓伟	华南理工大学理学院	38	588	12.0	24.0
3	马献恒	华南理工大学软件学院	1	1	1.0	1.0