半监督学习在不平衡样本集分类中的应用研究

• 作者: 于重重 商利利 杨扬 涂序彦 谭励
• 来源期刊: 计算机应用研究
• 关键词: 不平衡样本集 半监督协同分类方法 分类器差异性 分类模型 桥梁结构健康数据
• 年，卷（期）: 2013,（4）
• 所属期刊栏目: 系统应用开发
• 页码范围: 1085-1089
• 页数: 5页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2013.04.034

摘要

在对不平衡样本集进行分类时容易产生少数类样误差大的问题,而目前半监督学习中的算法多数是针对未有明显此类特征的数据集.针对一种半监督协同分类算法在该问题上的有效性进行了研究.由于进一步增强了分类器差异性,该算法在理论上对不平衡样本集具有良好的分类性能.根据该算法建立分类模型,利用其对桥梁结构健康数据进行分类实验,与Tri-Training算法的结果比较表明,该算法对不平衡样本集具有良好的适用性,从而验证了上述算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	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	北京工商大学计算机与信息工程学院	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