首页|基于多视图的半监督集成学习方法

基于多视图的半监督集成学习方法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对集成学习方法中分类器差异性不足以及已标记样本少的问题,提出了一种新的半监督集成学习算法,将半监督方法引入到集成学习中,利用大量未标记样本的信息来细化每个基分类器,并且构造差异性更大的基分类器,首先通过多视图方法选取合适的未标记样本,并使用多视图方法将大量繁杂的特征属性分类,使用不同的特征降维方法对不同的视图进行降维,便与输入到学习模型中,同时采用相互独立的学习模型来增加集成的多样性.在UCI数据集上的实验结果表明,与使用单视图数据相比,使用多视图数据可以实现更准确的分类,并且与现有的诸如Boosting、三重训练算法比较,使用差异性更高的基学习器以及引入半监督方法能够有效提升集成学习的性能效果.
Semi-supervised Integrated Learning Method Based on Multi-view

张振良、刘君强、黄亮、张曦

展开 >

鄂尔多斯应用技术学院 鄂尔多斯 017000

南京航空航天大学民航学院 南京 211100

半监督 集成学习 多视图 特征降维

国家自然科学基金与民航联合基金

U1533128

2021

10.3969/j.issn.1672-9722.2021.01.027

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2021.49(1)
  • 5