您当前的位置: > 详细浏览

基于数据密度的半监督自训练分类算法

请选择邀稿期刊:
摘要: 在实际的分类任务中,无标记样本数量充足而有标记样本数量稀少的情况经常出现,目前处理这种情况的常用方法是半监督自训练分类算法。提出了一种基于数据密度的半监督自训练分类算法,该算法首先依据数据的密度对数据集进行划分,从而确定数据的空间结构;然后再按照数据的空间结构对分类器进行自训练的迭代,最终得到一个新的分类器。在UCI中6个数据集上的实验结果表明,与三种监督学习算法以及其分别对应的自训练版本相比,提出的算法分类效果更好。

版本历史

[V1] 2018-04-19 15:36:14 ChinaXiv:201804.02042V1 下载全文
点击下载全文
预览
许可声明
metrics指标
  •  点击量856
  •  下载量451
评论
分享