|
|||||
|
|
| 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 | |