协同半监督的构造性学习方法

• 作者: 吴涛 李萍
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 半监督学习 构造性机器学习 co-training算法 tri-training算法 覆盖算法
• 年，卷（期）: 2015,（3）
• 所属期刊栏目: 数据库、数据挖掘、机器学习
• 页码范围: 129-132,207
• 页数: 5页
• 分类号: TP18
• 字数: 4116字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1307-0382

摘要

利用构造性学习（CML）算法训练分类器需要大量已标记样本，然而获取大量已标记的样本较为困难。为此，提出了一种协同半监督的构造性学习算法。将已标记样本等分为三个训练集，分别使用构造性学习算法训练三个单分类器，以共同投票的方式对未标记样本进行标记，从而依次扩充三个单分类器训练集直到不能再扩充为止。将三个训练集合并训练出最终的分类器。选取UCI数据集进行实验，结果表明，与CML算法、Tri-CML算法、NB算法及Tri-NB相比，该方法的分类更为有效。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴涛	安徽大学智能计算与信号处理教育部重点实验室	83	794	14.0	25.0
2	李萍	阜阳师范学院信息工程学院	30	19	3.0	3.0