结合半监督聚类和加权KNN的协同训练方法

摘要：

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.

关键词：协同训练、半监督聚类、加权K最近邻、视图

所属期刊栏目：55

分类号：TP181(自动化基础理论)

资助基金：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

在线出版日期：2019-12-04（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：114-118