基于数据密度的半监督自训练分类算法

• 作者: 王振友 艾震鹏
• 来源期刊: 计算机应用研究
• 关键词: 半监督学习 自训练 密度 分类
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 1072-1074
• 页数: 3页
• 分类号: TP181|TP301.6
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2017.12.0753

摘要

在实际的分类任务中,无标记样本数量充足而有标记样本数量稀少的情况经常出现,目前处理这种情况的常用方法是半监督自训练分类算法.提出了一种基于数据密度的半监督自训练分类算法,该算法首先依据数据的密度对数据集进行划分,从而确定数据的空间结构;然后再按照数据的空间结构对分类器进行自训练的迭代,最终得到一个新的分类器.在UCI中六个数据集上的实验结果表明,与三种监督学习算法以及其分别对应的自训练版本相比,提出的算法分类效果更好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王振友	广东工业大学应用数学学院	32	211	7.0	14.0
2	艾震鹏	广东工业大学应用数学学院	2	5	1.0	2.0