结合聚类的半监督分类方法

• 作者: 孙仁诚 徐思
• 来源期刊: 青岛大学学报（自然科学版）
• 学科: 工学
• 关键词: 半监督学习 卷积神经网络 K-means
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 信息工程
• 页码范围: 49-53
• 页数: 5页
• 分类号: TP391.41
• 字数: 3657字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-1037.2018.11.09

摘要

针对传统有监督分类方法卷积神经网络(CNN)在有标签样本数较少时正确率偏低的缺点,提出一种结合聚类的半监督分类方法.该方法利用传统无监督聚类方法K-means对卷积神经网络提取到的样本特征进行聚类并标记,扩充有标签样本数量,使得最终训练得到的卷积神经网络能够更好地进行分类.利用该方法在MNIST手写数据集上进行三组实验,实验结果显示,与K-means和卷积神经网络相比,本方法整体结构简单,便于实现,具有较高的分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙仁诚	青岛大学计算机科学技术学院	56	250	10.0	14.0
2	徐思	青岛大学计算机科学技术学院	1	1	1.0	1.0