|
|||||
|
|
| 基于Tri-Training半监督分类算法的研究 | |
| 引用本文： | 张雁,吕丹桔,吴保国.基于Tri-Training半监督分类算法的研究[J].计算机技术与发展,2013,23(7). |
| 作者姓名： | 张雁 吕丹桔 吴保国 |
| 作者单位： | 1. 北京林业大学信息学院,北京100083;西南林业大学计算机与信息学院,云南昆明650224 2. 西南林业大学计算机与信息学院,云南昆明,650224 3. 北京林业大学信息学院,北京,100083 |
| 基金项目： | 云南省教育科研基金资助项目 |
| 摘 要： | 在实际应用中,容易获取大量的未标记样本数据,而样本数据是有限的,因此,半监督分类算法成为研究者关注的热点.文中在协同训练Tri-Training算法的基础上,提出了采用两个不同的训练分类器的Simple-Tri-Training方法和对标记数据进行编辑的Edit-Tri-Training方法,给出了这三种分类方法与监督分类SVM的分类实验结果的比较和分析.实验表明,无标记数据的引入,在一定程度上提高了分类的性能;初始训练集和分类器的选取以及标记过程中数据编辑技术,都是影响半监督分类稳定性和性能的关键点. |
| 关 键 词： | 半监督分类 Tri-Training算法 数据编辑 |
Research of Semi-supervised Classification Algorithm Based on Tri-Training |
|
| ZHANG Yan , L Dan-ju , WU Bao-guo.Research of Semi-supervised Classification Algorithm Based on Tri-Training[J].Computer Technology and Development,2013,23(7). | |
| Authors: | ZHANG Yan L Dan-ju WU Bao-guo |
| Affiliation: | ZHANG Yan , L(U) Dan-ju , WU Bao-guo |
| Abstract: | |
| Keywords: | semi-supervised classification Tri-Training algorithm data editing |
| 本文献已被 万方数据 等数据库收录！ | |