一种基于半监督学习的地理加权回归方法

• 作者: 刘纪平 张福浩 徐胜华 杨毅 赵阳阳
• 来源期刊: 测绘学报
• 学科: 地球科学
• 关键词: 地理加权回归 半监督学习 SSLGWR 人口分布
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 地图学与地理信息
• 页码范围: 123-129
• 页数: 7页
• 分类号: P208
• 字数: 5223字
• 语种: 中文
• DOI: 10.11947/j.AGCS.2017.20150470

摘要

地理加权回归方法在小样本数据下回归分析精度往往不高.半监督学习是一种利用未标记样本参与训练的机器学习方法,可以有效地提升少量有标记样本的学习性能.基于此本文提出了一种基于半监督学习的地理加权回归方法,其核心思想是利用有标记样本建立回归模型来训练未标记样本,再选择置信度高的结果扩充有标记样本,不断训练,以提高回归性能.本文采用模拟数据和真实数据进行试验,以均方误差提升百分比作为性能评价指标,将SSLGWR与GWR、COREG对比分析.模拟数据试验中,SSLGWR在3种不同配置下性能分别提升了39.66％、11.92％和0.94％.真实数据试验中,SSLGWR在3种不同配置下性能分别提升了8.94％、3.36％和5.87％.SSLGWR结果均显著优于GWR和COGWR.试验证明,半监督学习方法能利用未标记数据提升地理加权回归模型的性能,特别是在有标记样本数量较少时作用显著.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘纪平	辽宁工程技术大学测绘与地理科学学院	149	1625	20.0	34.0
3	张福浩	中国测绘科学研究院政府地理信息系统研究中心	50	383	9.0	18.0
4	赵阳阳	辽宁工程技术大学测绘与地理科学学院	21	131	6.0	10.0
6	徐胜华	中国测绘科学研究院政府地理信息系统研究中心	28	130	6.0	10.0
11	杨毅	中国测绘科学研究院政府地理信息系统研究中心	4	31	3.0	4.0