三重集约束下的自适应SSLBoost分类方法

• 作者: 原鑫 王振友
• 来源期刊: 计算机应用研究
• 关键词: Boosting算法 空间稳定点 三重集约束 梯度下降 平衡函数
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2376-2380
• 页数: 5页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2019.03.0037

摘要

在分类问题中,常用的高效算法有半监督学习算法、Bagging算法和Boosting算法等,当标记数据很少、数据间差异较大时,很难找到有效的规则来分类.针对此问题提出了三重集约束下的Boosting分类算法,对标记数据、伪标记数据、无标记数据进行三重约束划分;同时引入平衡函数将更新数据的近邻两点加权,确立数据空间稳定点;根据稳定点信息对分类器进行迭代,采用梯度下降法使得平衡函数收敛,得到最终的伪标记数据和分类器.经过UCI九个数据集的实验,验证了该算法更为高效、可行.

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		32	211	7.0	14.0
2	原鑫		1	0	0.0	0.0