一种基于集成学习的健壮性半监督SVM

• 作者: 冯翔 孙鹏
• 来源期刊: 软件
• 学科: 工学
• 关键词: 半监督SVM 集成学习 基学习器
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 基金项目论文
• 页码范围: 182-186
• 页数: 5页
• 分类号: TP3
• 字数: 3575字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6970.2018.11.038

摘要

如今半监督学习在许多实际应用中都具有很高的应用价值,然而却很少有可用的标签样本.半监督支持向量机(SVM)是其中一个比较典型的模型,但是缺陷是无法估计未知样本的分布.本文提出了一种名为EnsembleS3VM的集成方法,通过集成学习[1]的方法处理未知样本分布.通过建立基于不同干扰因素的基学习器组成一个半监督SVM模型,并提出了一种基于聚类评价的集成方法.同时,提出了两种多分类策略的组合,以减少运行时间,提高分类精度.该方法甚至可以处理未知分布或不平衡数据的分类问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙鹏	上海理工大学光电信息与计算机工程学院	10	40	2.0	6.0
2	冯翔	上海理工大学光电信息与计算机工程学院	2	2	1.0	1.0