一种增强差异性的半监督协同分类算法

• 作者: 于重重 商利利 杨扬 涂序彦 王竞燕 谭励
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 半监督协同分类算法 Tri-Training算法 增强差异性策略 分层抽样法
• 年，卷（期）: 2013,（1）
• 所属期刊栏目: 学术论文
• 页码范围: 35-41
• 页数: 7页
• 分类号: TP181
• 字数: 5679字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2013.01.007

摘要

半监督学习中的Tri-Taining算法打破了以往算法对充分冗余视图的限制,并通过利用三个分类器处理标记置信度和样本预测问题提高了标记效率.为进一步增强协同训练过程中分类器之间的差异性以提高性能,本文在其理论基础上提出了一种增强差异性的半监督协同分类算法.该算法利用三个不同的分类器进行学习；考虑到分类模型在更新过程中,可能会因随机抽样导致性能恶化,该算法利用基于标记类别的分层抽样法来对已标记样本集进行抽样,并通过基于分类正确率的加权投票法实现了分类器的集成,提高了预测准确率.本文通过实验对所提出算法与Tri-Training算法做了性能比较,实验结果表明本文所提出的方法在分类问题上具有较好的性能,验证了该算法的有效性和可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	涂序彦	北京科技大学计算机与通信工程学院	254	2232	21.0	35.0
2	杨扬	北京科技大学计算机与通信工程学院	183	2049	21.0	36.0
3	谭励	北京工商大学计算机与信息工程学院	54	205	8.0	11.0
4	于重重	北京科技大学计算机与通信工程学院	99	762	14.0	23.0
8	商利利	北京工商大学计算机与信息工程学院	6	33	4.0	5.0
9	王竞燕	北京工商大学计算机与信息工程学院	3	29	3.0	3.0