半监督集成学习综述

• 作者: 孙章丽 朱秀芳 蔡毅 陈阿娇
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 半监督学习 集成学习 半监督集成学习 boosting Bagging 泛化性能
• 年，卷（期）: 2017,（z1）
• 所属期刊栏目: 综述研究
• 页码范围: 7-13
• 页数: 7页
• 分类号: TP181
• 字数: 8786字
• 语种: 中文

摘要

半监督学习和集成学习是目前机器学习领域中两个非常重要的研究方向,半监督学习注重利用有标记样本与无标记样本来获得高性能分类器,而集成学习旨在利用多个学习器进行集成以提升弱学习器的精度.半监督集成学习是将半监督学习和集成学习进行组合来提升分类器泛化性能的机器学习新方法.首先,在分析半监督集成学习发展过程的基础上,发现半监督集成学习起源于基于分歧的半监督学习方法;然后,综合分析现有半监督集成学习方法,将其分为基于半监督的集成学习与基于集成的半监督学习两大类,并对主要的半监督集成方法进行了介绍;最后,对现有研究进了总结,并讨论了未来值得研究的问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱秀芳	北京师范大学地表过程与资源生态国家重点实验室	49	664	13.0	24.0
5	蔡毅	北京师范大学地表过程与资源生态国家重点实验室	6	401	3.0	6.0
9	陈阿娇	湖南师范大学资源与环境科学学院	3	44	2.0	3.0
10	孙章丽	北京师范大学地表过程与资源生态国家重点实验室	4	53	3.0	4.0