基于Tri-training算法的构造性学习方法

• 作者: 吴涛 李萍 王允强
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 半监督学习 构造性机器学习 Tri-training算法 覆盖 分类网络
• 年，卷（期）: 2012,（6）
• 所属期刊栏目: 博士论文
• 页码范围: 13-15
• 分类号: TP301.6
• 字数: 3492字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2012.06.004

摘要

构造性机器学习(CML)算法在训练分类器时需要大量有标记样本,而获取这些有标记样本十分困难.为此,提出一种基于Tri-training算法的构造性学习方法.根据已标记的样本,采用不同策略构造3个差异较大的初始覆盖分类网络,用于对未标记数据进行标记,再将已标记数据加入到训练样本中,调整各分类网络参数,反复进行上述过程,直至获得稳定的分类器.实验结果证明,与CML算法和基于NB分类器的半监督学习算法相比,该方法的分类准确率更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴涛	安徽大学智能计算与信号处理教育部重点实验室	83	794	14.0	25.0
5	李萍	安徽大学数学科学学院	10	10	2.0	3.0
6	王允强	安徽大学数学科学学院	2	15	2.0	2.0