结合半监督聚类和加权KNN的协同训练方法

• 作者: 吕佳 龚彦鹭
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 协同训练 半监督聚类 加权K最近邻 视图
• 年，卷（期）: 2019,（22）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 114-118
• 页数: 5页
• 分类号: TP181
• 字数: 4232字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1807-0159

摘要

针对协同训练方法在迭代时选择加入的无标记样本所隐含的有用信息不够,以及协同训练方法多个分类器标记不一致带来错误标记无标记样本的问题,提出了一种结合半监督聚类和加权K最近邻的协同训练方法.该方法在每次迭代过程中,先对训练集进行半监督聚类,选择隶属度高的无标记样本给朴素贝叶斯分类,再用加权K最近邻算法对多个分类器分类不一致的无标记样本重新分类.利用半监督聚类能够选择出较好表现数据空间结构的样本,而采用加权K最近邻算法为标记不一致的无标记样本重新标记能够解决标记不一致带来的分类精度降低问题.在UCI数据集上的对比实验验证了该算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吕佳	重庆师范大学计算机与信息科学学院	56	473	9.0	20.0
2	龚彦鹭	重庆师范大学计算机与信息科学学院	2	5	2.0	2.0