协同半监督的构造性学习方法

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。

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

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金No.71371011；安徽省高等学校省级自然科学研究重点项目No.KJ2013A033；阜阳师范学院自然科学项目No.2012FSKJ11；阜阳师范学院校级项目No.2014FSKJ17。

在线出版日期：2015-02-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：129-132,207