基于RSC模型和噪声去除的半监督训练方法

• 作者: 袁兴梅 谢雪莲
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 半监督学习 噪声去除 分类器训练 RSC模型 标签扩展 训练集
• 年，卷（期）: 2013,（9）
• 所属期刊栏目: 数据挖掘
• 页码范围: 162-166
• 页数: 5页
• 分类号: TP391.3
• 字数: 4268字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2013.09.027

摘要

“半监督学习”是利用已经标记好的训练样本和未标记的训练样本一起训练分类器.传统的半监督训练过程对噪声不作辨别,这种做法会因噪声的存在破坏分类器的训练过程,进而影响分类器的分类效果.针对该问题,提出了基于RSC模型和噪声去除的半监督训练方法,在样本训练过程中,使用RSC标签扩展的方法,并添加噪声去除环节.实验表明,该算法能有效降低半监督学习中噪声对分类器的影响,得到更加精确的分类边界,最终提高算法的性能和稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	袁兴梅	南京工程学院信息化建设与管理办公室	8	19	2.0	4.0
2	谢雪莲	南京工程学院信息化建设与管理办公室	5	40	3.0	5.0