基于密度中心图的弱监督分类方法

• 作者: 耿国华 贾晖 陈燕
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 弱监督学习 分类 密度 数据挖掘
• 年，卷（期）: 2015,（6）
• 页码范围: 6-10
• 页数: 5页
• 分类号: TP311.1
• 字数: 5046字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1408-0063

摘要

提出一种基于密度中心图的弱监督分类方法，利用少量已标注样本，结合大量未知模式样本进行弱监督学习。借助样本空间的密度信息，求出密度中心点来准确地反应数据的空间几何特征，在此基础上建图，利用标记传递方法，使得相似的顶点尽可能赋予相同的类别标记。该方法具备基于图的弱监督算法的良好数学基础，可以发现任意形状的类，对噪音不敏感。并且该方法具有近线性的时间复杂度，更适合处理大规模的数据。将该方法用于UCI机器学习数据集，实验证明，该方法能获得较好的分类效果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	耿国华	西北大学信息科学与技术学院	497	5986	35.0	55.0
2	陈燕	西北大学信息科学与技术学院	7	19	3.0	4.0
6	贾晖	西北大学信息科学与技术学院	13	40	4.0	6.0