期刊专题

10.3778/j.issn.1002-8331.1807-0159

结合半监督聚类和加权KNN的协同训练方法

引用
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.

协同训练、半监督聚类、加权K最近邻、视图

55

TP181(自动化基础理论)

重庆市自然科学基金cstc2014jcyjA40011;重庆市教委科技项目KJ1400513;重庆师范大学科研项目YKC17001

2019-12-04(万方平台首次上网日期,不代表论文的发表时间)

共5页

114-118

暂无封面信息
查看本期封面目录

计算机工程与应用

1002-8331

11-2127/TP

55

2019,55(22)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn