| 基于主动学习的图半监督分类算法 |
| |
| 引用本文： | 高成,陈秀新,于重重,刘宇. 基于主动学习的图半监督分类算法[J]. 计算机工程与设计, 2015, 0(7) |
| |
| 作者姓名： | 高成 陈秀新 于重重 刘宇 |
| |
| 作者单位： | 北京工商大学计算机与信息工程学院,北京,100048 |
| |
| 基金项目： | 北京市自然科学基金B类重点基金项目 |
| |
| 摘 要： | 为抑制噪声数据对分类结果的影响，将噪声处理算法与高斯随机域算法相结合，提出一种带噪声系数的高斯随机域学习算法；针对样本集不平衡性数据分类问题，考虑主动学习在样本不平衡问题中的应用，将主动学习与图半监督算法相结合，提出一种鲁棒性强的主动学习图半监督分类算法。利用基于样本划分的主动学习方法，对正类的近邻样本集中样本与特定类样本形成的新样本集做总体散度排序，筛选出能使新样本集中总体散度最小的样本，代替正类的近邻样本集中所有样本，形成平衡类。在UCI标准数据集上的实验结果表明，与标准的图半监督算法相比，该算法的分类精度更高、泛化能力更强。
|
| 关 键 词： | 带噪声系数的高斯随机域学习算法 样本不平衡问题 主动学习 图半监督算法 主动学习图半监督分类算法 |
Graph-based semi-supervised classification algorithm based on active learning |
| |
| GAO Cheng,CHEN Xiu-xin,YU Chong-chong,LIU Yu. Graph-based semi-supervised classification algorithm based on active learning[J]. Computer Engineering and Design, 2015, 0(7) |
| |
| Authors: | GAO Cheng CHEN Xiu-xin YU Chong-chong LIU Yu |
| |
| Abstract: | |
| |
| Keywords: | GRF with noise factor sample imbalance problem active learning graph-based semi-supervised algorithm active learning semi-supervised classification algorithms |
|
