基于改进Tri-Training算法的健康大数据分类模型研究

• 作者: 唐校辉 廖欣 陈文昭 陈雷霆
• 来源期刊: 现代计算机：中旬刊
• 学科: 工学
• 关键词: Tri—Training 协同训练 分类误差 噪声样本
• 年，卷（期）: 2017,（7）
• 页码范围: 21-25
• 页数: 5页
• 分类号: TP301.6

摘要

Tri—Training是半监督协同训练的代表性算法之一，它运用统计技术标记置信度，并结合噪音学习理论进行无标记样本分类。当扩充样本训练集不满足噪音学习理论时，会进行随机采样，针对传统Tri-Training算法随机选取基础分类器的扩充训练样本集会引入噪声这一缺陷，通过更改扩充样本训练集选取方式，剔除可能提高分类误差的样本。在健康大数据集上进行一系列验证试验，实验结果表明，改进的算法优于原始算法，降低分类错误率。