排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
提出一种新颖的多分类器构造方法,它以最大纠错能力作为分类器选择标准。实现时,采用半监督协同训练技术,充分利用单分类器的互补性,同时最大化仲裁器的仲裁能力,以提高多分类器系统的分类精度。在毒性数据集上的实验结果表明了方法的可行性和有效性。 相似文献
2.
为了解决现实世界中的化合物毒性预测问题,提出一种半监督分类方法.采用互补的分类器对原始训练集进行筛选,保证原始训练集的质量;采用联合训练的半监督方法和剪辑方法在提高训练集数量的同时保证新加入的实例不对原有训练集造成损害.最后通过基础分类器和仲裁分类器共同决策,确定化合物的分类.在化工产品有毒性数据集和UCI数据集上的实验结果表明了该算法具有比传统算法更高的分类精度. 相似文献
1