欢迎来到天天文库
浏览记录
ID:55399893
大小:1.12 MB
页数:5页
时间:2020-05-15
《基于主动学习的图半监督分类算法.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、2015年7月计算机工程与设计July2015第36卷第7期COMPUTERENGINEERINGANDDESIGNVo1.36No.7基于主动学习的图半监督分类算法高成,陈秀新+,于重重,刘宇(北京工商大学计算机与信息工程学院,北京100048)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
2、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中图法分类号:TP391文献标识号:A文章编号:1000—7024(2015)07—1871—05doi:10.16208/j.issnl000—7024.2015.07.037Graph——basedsemi——supervisedclassificationalgorithmbasedonactive
3、learningGAOCheng,CHENXiu-xin+,YUChong—chong,LIUYu(SchoolofComputerandInformationEngineering,BeijingTechnologyandBusinessUniversity,Beijing100048,China)Abstract:Topreventtheinfluencesofnoisedataontheresultofclassification,asemi-supervisedclassificationalgorithmbasedongraphwasputforward,whichwasGRFwit
4、hnoisefactorbycombiningnoiseprocessingalgorithmwithaGaussianrandomfieldsalgorithm.Meanwhileaimingattheimbalanceofthesamplesetofdatainclassificationandconsideringtheapplicationofactivelearninginthesampleimbalanceproblem,amethodofcombiningactivelearningwithgraph-basedsemi-supervisedalgo—rithmwasalsopr
5、oposedandarobustclassificationalgorithmwasdeveloped.ActivelearningmethodwhichbasedonthedividedsampleswasusedtOdotheoveralldivergencesortonthenewsamplesetwhichformedbycombiningtheneighborhoodsampleofpositiveclasswiththesampleofaspecificclass.Thenthesamplesetwerefilteredoutwhichmadethenewsamplesethave
6、mini—mumdivergencetosubstituteallsamplesoftheneighborhoodsamplesetofpositiveclasstoformbalancedclasses.ExperimentalresultsonUCIstandarddatasetsshowthatcomparedwiththestandardgraph-basedsembsupervisedalgorithm,thismethodhashigherclassificationaccuracyandbettergeneralizationability.Keywords:GRFwithnoi
7、sefactor;sampleimbalanceproblem;activelearning;graph-basedsemi-supervisedalgorithm;activelearningsemi-supervisedclassificationalgorithms训练算法_4],再到把图论方法引入半监督学习,如高斯随O引言机场[5]、基于图方法的半监督学习『6等。基于图的半监督近些年,半监
此文档下载收益归作者所有