基于Tri-DE-ELM的半监督模式分类方法研究

• 作者: 吴明胜 邓晓刚
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 极限学习机 差分进化 Tri-Training算法 半监督学习
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 109-114
• 页数: 6页
• 分类号: TP391
• 字数: 5608字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1608-0296

摘要

针对极限学习机(ELM)未充分利用未标注样本、训练精度受网络权值初值影响的问题,提出一种基于协同训练与差分进化的改进ELM算法(Tri-DE-ELM).考虑到传统的ELM模式分类技术只利用了少量标注样本而忽视大量未标注样本的问题,首先应用基于Tri-Training算法的协同训练机制构建Tri-ELM半监督分类算法,利用少量的标记样本训练三个基分类器实现对未标记样本的标注.进一步针对基分类器训练中ELM网络输入层权值随机初始化影响分类效果的问题,采用差分进化(DE)算法对网络初值进行优化,优化目标及过程同时包括网络权值和分类误差两方面的因素,以避免网络的过拟合现象.在标准数据集上的实验结果表明,Tri-DE-ELM算法能有效地利用未标注数据,具有比传统ELM更高的分类精度.