基于 Tri-training 的半监督多标记学习算法

• 作者: 刘杨磊 杨静 梁吉业 高嘉伟
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 多标记学习 半监督学习 Tri-training
• 年，卷（期）: 2013,（5）
• 页码范围: 439-445
• 页数: 7页
• 分类号: TP181
• 字数: 5327字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-4785.201305033

摘要

传统的多标记学习是监督意义下的学习，它要求获得完整的类别标记。但是当数据规模较大且类别数目较多时，获得完整类别标记的训练样本集是非常困难的。因而，在半监督协同训练思想的框架下，提出了基于Tri-training的半监督多标记学习算法（ SMLT）。在学习阶段，SMLT引入一个虚拟类标记，然后针对每一对类别标记，利用协同训练机制Tri-training算法训练得到对应的分类器；在预测阶段，给定一个新的样本，将其代入上述所得的分类器中，根据类别标记得票数的多少将多标记学习问题转化为标记排序问题，并将虚拟类标记的得票数作为阈值对标记排序结果进行划分。在UCI中4个常用的多标记数据集上的对比实验表明，SMLT算法在4个评价指标上的性能大多优于其他对比算法，验证了该算法的有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁吉业	山西大学计算机与信息技术学院	114	1486	21.0	34.0
5	高嘉伟	山西大学计算机与信息技术学院	11	107	5.0	10.0
9	杨静	山西大学计算机与信息技术学院	13	48	4.0	6.0
13	刘杨磊	山西大学计算机与信息技术学院	4	46	3.0	4.0