一种自适应的Tri-Training半监督算法
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:


Adaptive Tri-Training Semi-Supervised Algorithm
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    Tri-Training算法是半监督算法的一种,在学习过程中容易错误标注无标记样本,从而降低分类性能,为此提出一种ADP-Tri-Training(Adaptive Tri-Training)算法,改进协同工作方式,根据几何中心设置分类器组成,然后应用模糊数学理论将多个独立的分类器组合,使得算法可以在多因素下综合评价样本,并在此基础上引入遗传算法动态设置组合权重以适应于具体的样本集,从而尽可能降低样本标注的错误率,多个实验结果表明ADP-Tri-Training算法具有更好的分类性能.

    Abstract:

    Tri-Training algorithm belongs to semi-supervised algorithm,unlabeled samples are often labeled incorrectly in study, and the performance is affected. So the ADP-Tri-Training (Adaptive Tri-Training) algorithm is proposed, cooperative work mode is improved, a classification composition scheme based on geometric center is used, the fuzzy mathematics theory is applied to combine the classifiers, so the algorithm can evaluate the samples by multiple factors, genetic algorithm is introduced to dynamically set the combined weight in order to adapt different sample sets, also it can reduce the error of classifies as far as possible, finally the experimental results show that the proposed algorithm is more effective.

    参考文献
    相似文献
    引证文献
引用本文

彭雅琴,宫宁生.一种自适应的Tri-Training半监督算法.计算机系统应用,2016,25(8):130-134

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2015-11-30
  • 最后修改日期:2016-01-18
  • 录用日期:
  • 在线发布日期: 2016-08-16
  • 出版日期:
文章二维码
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码:100190
电话:010-62661041 传真: Email:csa (a) iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号