| 半监督集成学习综述 |
| |
| 引用本文： | 蔡毅,朱秀芳,孙章丽,陈阿娇.半监督集成学习综述[J].计算机科学,2017,44(Z6):7-13. |
| |
| 作者姓名： | 蔡毅 朱秀芳 孙章丽 陈阿娇 |
| |
| 作者单位： | 北京师范大学地表过程与资源生态国家重点实验室 北京100875;北京师范大学资源学院 北京100875,北京师范大学地表过程与资源生态国家重点实验室 北京100875;北京师范大学资源学院 北京100875,北京师范大学地表过程与资源生态国家重点实验室 北京100875;北京师范大学资源学院 北京100875,湖南师范大学资源与环境科学学院 长沙410081 |
| |
| 基金项目： | 本文受国家自然科学青年基金项目(41401479),高分辨率对地观测重大专项(民用部分)(02-Y30B06-9001-13115)资助 |
| |
| 摘 要： | 半监督学习和集成学习是目前机器学习领域中两个非常重要的研究方向,半监督学习注重利用有标记样本与无标记样本来获得高性能分类器,而集成学习旨在利用多个学习器进行集成以提升弱学习器的精度。半监督集成学习是将半监督学习和集成学习进行组合来提升分类器泛化性能的机器学习新方法。首先,在分析半监督集成学习发展过程的基础上,发现半监督集成学习起源于基于分歧的半监督学习方法；然后,综合分析现有半监督集成学习方法,将其分为基于半监督的集成学习与基于集成的半监督学习两大类,并对主要的半监督集成方法进行了介绍；最后,对现有研究进了总结,并讨论了未来值得研究的问题。
|
| 关 键 词： | 半监督学习 集成学习 半监督集成学习 boosting Bagging 泛化性能 |
Semi-supervised and Ensemble Learning:A Review |
| |
| CAI Yi,ZHU Xiu-fang,SUN Zhang-li and CHEN A-jiao.Semi-supervised and Ensemble Learning:A Review[J].Computer Science,2017,44(Z6):7-13. |
| |
| Authors: | CAI Yi ZHU Xiu-fang SUN Zhang-li and CHEN A-jiao |
| |
| Affiliation: | State Key Laboratory of Earth Surface Processes and Resource Ecology,Beijing Normal University,Beijing 100875,China;College of Resources Science and Technology,Beijing Normal University,Beijing 100875,China,State Key Laboratory of Earth Surface Processes and Resource Ecology,Beijing Normal University,Beijing 100875,China;College of Resources Science and Technology,Beijing Normal University,Beijing 100875,China,State Key Laboratory of Earth Surface Processes and Resource Ecology,Beijing Normal University,Beijing 100875,China;College of Resources Science and Technology,Beijing Normal University,Beijing 100875,China and College of Resources and Environment Science,Hunan Normal University,Changsha 410081,China |
| |
| Abstract: | |
| |
| Keywords: | Semi-supervised learning Ensemble learning Semi-supervised ensemble learning Boosting Bagging Generalization performance |
|
| 点击此处可从《计算机科学》浏览原始摘要信息 |
|
点击此处可从《计算机科学》下载全文 |
|
