一种利用Universum的半监督分类算法

• 作者: 侯臣平 吴翊 杨伟
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 半监督分类 Universum方法 线性回归 子空间学习
• 年，卷（期）: 2012,（6）
• 所属期刊栏目: 图形、图像、模式识别
• 页码范围: 155-157,176
• 分类号: TP391
• 字数: 3663字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2012.06.045

摘要

分类是机器学习领域的重要分支,利用少量的标签数据进行分类和高维数据的分类是近期研究的热点问题.传统的半监督方法能够有效利用标签样本数据或非标签样本数据,但忽略了相关的非样本数据,即Universum.利用Universum的半监督分类算法,基于线性回归和子空间学习模型,结合了传统半监督方法和利用Universum方法两者的优点,在不增加标签数据的条件下显著地提高了高维数据的分类效果.仿真实验和真实数据上的分类结果都验证了算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴翊	国防科学技术大学数学与系统科学系	38	447	12.0	20.0
2	侯臣平	国防科学技术大学数学与系统科学系	3	26	2.0	3.0
3	杨伟	国防科学技术大学数学与系统科学系	1	0	0.0	0.0