基于半监督学习的数据流混合集成分类算法

• 作者: 任钊婷 杨晏 王治和
• 来源期刊: 电脑知识与技术：学术交流
• 学科: 工学
• 关键词: 数据流 半监督学习 集成分类 概念漂移 混合集成
• 年，卷（期）: 2013,（12）
• 页码范围: 7770-7775
• 页数: 6页
• 分类号: TP18

摘要

当前已有的数据流分类模型都需要大量已标记样本来进行训练，但在实际应用中，对大量样本标记的成本相对较高。针对此问题，提出了一种基于半监督学习的数据流混合集成分类算法SMEClass，选用混合模式来组织基础分类器，用K个决策树分类器投票表决为未标记数据添加标记，以提高数据类标的置信度，增强集成分类器的准确度，同时加入一个贝叶斯分类器来有效减少标记过程中产生的噪音数据。实验结果显示，SMEClass算法与最新基于半监督学习的集成分类算法相比，其准确率有所提高，在运行时间和抗噪能力方面有明显优势。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王治和	西北师范大学计算机科学与工程学院	78	356	10.0	14.0
2	杨晏	西北师范大学计算机科学与工程学院	4	12	2.0	3.0
3	任钊婷	西北师范大学计算机科学与工程学院	2	3	1.0	1.0