基于主动学习的图半监督分类算法

• 作者: 于重重 刘宇 陈秀新 高成
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 带噪声系数的高斯随机域学习算法 样本不平衡问题 主动学习 图半监督算法 主动学习图半监督分类算法
• 年，卷（期）: 2015,（7）
• 所属期刊栏目: 智能技术
• 页码范围: 1871-1875
• 页数: 5页
• 分类号: TP391
• 字数: 4193字
• 语种: 中文
• DOI: 10.16208/j.issn1000-7024.2015.07.037

摘要

为抑制噪声数据对分类结果的影响，将噪声处理算法与高斯随机域算法相结合，提出一种带噪声系数的高斯随机域学习算法；针对样本集不平衡性数据分类问题，考虑主动学习在样本不平衡问题中的应用，将主动学习与图半监督算法相结合，提出一种鲁棒性强的主动学习图半监督分类算法。利用基于样本划分的主动学习方法，对正类的近邻样本集中样本与特定类样本形成的新样本集做总体散度排序，筛选出能使新样本集中总体散度最小的样本，代替正类的近邻样本集中所有样本，形成平衡类。在UCI标准数据集上的实验结果表明，与标准的图半监督算法相比，该算法的分类精度更高、泛化能力更强。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	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
2	刘宇	北京工商大学计算机与信息工程学院	11	77	4.0	8.0
3	陈秀新	北京工商大学计算机与信息工程学院	17	107	6.0	9.0
4	高成	北京工商大学计算机与信息工程学院	1	3	1.0	1.0