首页
|
本学科首页
官方微博
|
高级检索
全部学科
医药、卫生
生物科学
工业技术
交通运输
航空、航天
环境科学、安全科学
自然科学总论
数理科学和化学
天文学、地球科学
农业科学
哲学、宗教
社会科学总论
政治、法律
军事
经济
历史、地理
语言、文字
文学
艺术
文化、科学、教育、体育
马列毛邓
全部专业
中文标题
英文标题
中文关键词
英文关键词
中文摘要
英文摘要
作者中文名
作者英文名
单位中文名
单位英文名
基金中文名
基金英文名
杂志中文名
杂志英文名
栏目中文名
栏目英文名
DOI
责任编辑
分类号
杂志ISSN号
三重集约束下的自适应SSLBoost分类方法
引用本文:
原鑫.三重集约束下的自适应SSLBoost分类方法[J].计算机应用研究,2020,37(8):2376-2380.
作者姓名:
原鑫
作者单位:
广东工业大学 应用数学学院,广州510520;广东工业大学 应用数学学院,广州510520
基金项目:
广州市科技计划资助项目
摘 要:
在分类问题中,常用的高效算法有半监督学习算法、Bagging算法和Boosting算法等,当标记数据很少、数据间差异较大时,很难找到有效的规则来分类。针对此问题提出了三重集约束下的Boosting分类算法,对标记数据、伪标记数据、无标记数据进行三重约束划分;同时引入平衡函数将更新数据的近邻两点加权,确立数据空间稳定点;根据稳定点信息对分类器进行迭代,采用梯度下降法使得平衡函数收敛,得到最终的伪标记数据和分类器。经过UCI九个数据集的实验,验证了该算法更为高效、可行。
关 键 词:
Boosting算法
空间稳定点
三重集约束
梯度下降
平衡函数
收稿时间:
2019/3/4 0:00:00
修稿时间:
2020/7/9 0:00:00
Adaptive SSLBoost classification algorithm based on triple set constraints
Affiliation:
Department of Applied Mathematicslege, Guangdong University of Technology
Abstract:
Keywords:
Boosting algorithm
space stability point
triple set constraints
gradient descent
balanced function
本文献已被
万方数据
等数据库收录!
点击此处可从《计算机应用研究》浏览原始摘要信息
点击此处可从《计算机应用研究》下载全文
设为首页
|
免责声明
|
关于勤云
|
加入收藏
Copyright
©
北京勤云科技发展有限公司
京ICP备09084417号