一种基于旋转森林的集成协同训练算法

• 作者: 刘敏 谢伙生
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 集成协同训练 旋转森林 差异性 特征提取 旋转森林的协同训练方法(ROFCO)
• 年，卷（期）: 2011,（30）
• 所属期刊栏目: 图形、图像、模式识别
• 页码范围: 172-175
• 分类号: TP181
• 字数: 4217字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2011.30.047

摘要

集成协同训练算法(ensemble co-training)是将集成学习(ensemble learning)和协同训练算法(co-training)相结合的半监督学习方法,旋转森林(rotation forest)是利用特征提取来构造基分类器差异性的集成学习方法,在对现有的集成协同训练算法研究基础上,提出了基于旋转森林的协同训练算法——ROFCO,该方法重在利用未标记数据提高基分类器之间的差异性和特征提取效果,使基分类器的泛化误差保持不变或下降的同时,能保持甚至提高基分类器之间的差异性,提高集成效果.实验结果表明该方法能取得较好效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘敏	福州大学数学与计算机科学学院	9	47	4.0	6.0
2	谢伙生	福州大学数学与计算机科学学院	37	87	5.0	7.0