协同半监督的构造性学习方法

被引：1

作者：

李萍 ^{[1
]}

吴涛 ^{[2
]}

机构：

[1] 不详

[2] 阜阳师范学院信息工程学院

[3] 不详

[4] 安徽大学智能计算与信号处理教育部重点实验室

[5] 不详

来源：

计算机工程与应用 | 2015年 / 03期

关键词：

半监督学习; 构造性机器学习; co-training算法; tri-training算法; 覆盖算法;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

利用构造性学习(CML)算法训练分类器需要大量已标记样本,然而获取大量已标记的样本较为困难。为此,提出了一种协同半监督的构造性学习算法。将已标记样本等分为三个训练集,分别使用构造性学习算法训练三个单分类器,以共同投票的方式对未标记样本进行标记,从而依次扩充三个单分类器训练集直到不能再扩充为止。将三个训练集合并训练出最终的分类器。选取UCI数据集进行实验,结果表明,与CML算法、Tri-CML算法、NB算法及Tri-NB相比,该方法的分类更为有效。

引用

页码：129 / 132+207 +207

页数：5

共 11 条

[1] 一种协同半监督分类算法Co-S3OM [J].