基于KL距离的非平衡数据半监督学习算法

被引：36

作者：

许震 ^{[1
]}

沙朝锋 ^{[1
]}

王晓玲 ^{[2
]}

周傲英 ^{[2
,3
]}

机构：

[1] 复旦大学计算机科学技术学院

[2] 华东师范大学海量计算研究所

[3] 上海市智能信息处理重点实验室

来源：

计算机研究与发展 | 2010年 / 47卷 / 01期

关键词：

半监督学习; 非平衡; KL距离; 朴素贝叶斯; logistic回归;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

080201 [机械制造及其自动化];

摘要：

在实际应用中,由于各种原因时常无法直接获得已标识反例,导致传统分类方法暂时失灵,因此,基于正例和未标识集的半监督学习顿时成了理论界研究的热点.研究者们提出了不同的解决方法,然而,这些方法都不能有效处理非平衡的分类问题,尤其当隐匿反例非常少或训练集中的实例分布不均匀时.因此,提出了一种基于KL距离的半监督分类算法——LiKL:依次挖掘出未标识集中的最可靠正例和反例,接着使用训练好的增强型分类器来分类.与其他方法相比,不仅提高了分类的查准率和查全率,而且具有鲁棒性.

引用

页码：81 / 87

页数：7