基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了提高多视图半监督协同算法的性能,并针对算法应用范围受限的问题,提出了一种组合标记规则的协同训练方法.该算法将一致性与非一致性标记规则相结合,若分类器具有相同标记则将对应样本加入到相应的样本集中;若标记不同且两分类器对应的标记置信度差值超过了一定的阈值,则采用高置信度分类器的标记结果,并将样本添加到相应的样本集中.通过判断两分类器对相应样本的标记是否一致以及差异性阈值对未标记样本进行组合标记,并利用分类器差异性判断原则更新分类模型,充分利用未标记样本中的有用信息将分类器性能提高5%以上.所提出的算法在桥梁结构健康监测数据集及标准UCI数据集上的实验结果验证了算法在多视图分类问题上的有效性和可行性.
推荐文章
一种增强差异性的半监督协同分类算法
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
基于随机子空间的半监督协同训练算法
半监督学习
随机子空间
随机判别
协同训练
多视图
RASCO
基于 Tri-training 的半监督多标记学习算法
多标记学习
半监督学习
Tri-training
一种基于证据理论的多类半监督分类算法
半监督学习
多类分类
证据理论
协同森林
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 组合标记的多视图半监督协同分类算法
来源期刊 计算机应用 学科 工学
关键词 多视图 半监督协同学习 组合标记 分类器差异 桥梁结构健康监测
年,卷(期) 2013,(11) 所属期刊栏目 人工智能
研究方向 页码范围 3090-3093
页数 4页 分类号 TP391
字数 4211字 语种 中文
DOI 10.11772/j.issn.1001-9081.2013.11.3090
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 谭励 北京工商大学计算机与信息工程学院 54 205 8.0 11.0
2 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
3 刘宇 北京工商大学计算机与信息工程学院 11 77 4.0 8.0
4 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
5 马萌 北京工商大学计算机与信息工程学院 6 10 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (24)
共引文献  (23)
参考文献  (6)
节点文献
引证文献  (4)
同被引文献  (4)
二级引证文献  (4)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(3)
  • 参考文献(1)
  • 二级参考文献(2)
2009(4)
  • 参考文献(0)
  • 二级参考文献(4)
2010(8)
  • 参考文献(2)
  • 二级参考文献(6)
2011(4)
  • 参考文献(0)
  • 二级参考文献(4)
2012(4)
  • 参考文献(1)
  • 二级参考文献(3)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(3)
  • 引证文献(2)
  • 二级引证文献(1)
2020(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
多视图
半监督协同学习
组合标记
分类器差异
桥梁结构健康监测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用
月刊
1001-9081
51-1307/TP
大16开
成都237信箱
62-110
1981
chi
出版文献量(篇)
20189
总下载数(次)
40
总被引数(次)
209512
论文1v1指导